**Springer Tracts in Civil Engineering**

Patrizia Gasparini Lucio Di Cosmo Antonio Floris Davide De Laurentis Editors

# Italian National Forest Inventory— Methods and Results of the Third Survey

Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio—Metodi e Risultati della Terza Indagine

# **Springer Tracts in Civil Engineering**

# **Series Editors**

Sheng-Hong Chen, School of Water Resources and Hydropower Engineering, Wuhan University, Wuhan, China

Marco di Prisco, Politecnico di Milano, Milano, Italy

Ioannis Vayas, Institute of Steel Structures, National Technical University of Athens, Athens, Greece

**Springer Tracts in Civil Engineering** (STCE) publishes the latest developments in Civil Engineering - quickly, informally and in top quality. The series scope includes monographs, professional books, graduate textbooks and edited volumes, as well as outstanding PhD theses. Its goal is to cover all the main branches of civil engineering, both theoretical and applied, including:


# **Indexed by Scopus**

To submit a proposal or request further information, please contact:

Pierpaolo Riva at Pierpaolo.Riva@springer.com (Europe and Americas)Wayne Hu at wayne.hu@springer.com (China)

More information about this series at https://link.springer.com/bookseries/15088

Patrizia Gasparini · Lucio Di Cosmo · Antonio Floris · Davide De Laurentis Editors

# Italian National Forest Inventory—Methods and Results of the Third Survey

Inventario Nazionale delle Foreste e dei Serbatoi Forestali di Carbonio—Metodi e Risultati della Terza Indagine

*Editors* Patrizia Gasparini Centro di ricerca Foreste e Legno CREA Trento, Italy

Antonio Floris Centro di ricerca Foreste e Legno CREA Trento, Italy

Lucio Di Cosmo Centro di ricerca Foreste e Legno CREA Trento, Italy

Davide De Laurentis Arma dei Carabinieri Comando Unità Forestali Ambientali e Agroalimentari Roma, Italy

ISSN 2366-259X ISSN 2366-2603 (electronic) Springer Tracts in Civil Engineering ISBN 978-3-030-98677-3 ISBN 978-3-030-98678-0 (eBook) https://doi.org/10.1007/978-3-030-98678-0

© The Editor(s) (if applicable) and The Author(s) 2022. This book is an open access publication. **Open Access** This book is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this book are included in the book's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the book's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

The use of general descriptive names, registered names, trademarks, service marks, etc. in this publication does not imply, even in the absence of a specific statement, that such names are exempt from the relevant protective laws and regulations and therefore free for general use.

The publisher, the authors, and the editors are safe to assume that the advice and information in this book are believed to be true and accurate at the date of publication. Neither the publisher nor the authors or the editors give a warranty, expressed or implied, with respect to the material contained herein or for any errors or omissions that may have been made. The publisher remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

This Springer imprint is published by the registered company Springer Nature Switzerland AG The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland

# **Foreword I**

The legislative decree-19 August 2016-n. 177 containing "Provisions regarding the rationalization of police functions and absorption of the State Forestry Corps, pursuant to article 8, paragraph 1, letter a), of law no. 124, concerning the reorganization of public administrations", in article 7 paragraph 2 provides that the Carabinieri, among others, carry out the study activities related to the qualitative and quantitative survey of forest resources, to the monitoring of the phytosanitary status of forests and finally related to the controls on the level of pollution of forest ecosystems and the general monitoring of the territory collecting, processing, archiving and disseminating data. The legislator, in entrusting the Carabinieri with the qualitative and quantitative data collection activities of the forests, wanted to ensure a strategic activity for the country to a national Armed Force. As other land, air and marine resources, whose surveys are entrusted to military bodies such as the Army Geographical Institute for cartographic surveys, the Aeronautical Meteorological Service for weather surveys and the Hydrographic Institute of the Navy for those hydro-oceanographic, the surveys relating to forest resources are assigned to the Forestry, Environmental, Agri-food Unit Command of the Carabinieri.

The National Forest Inventory is a periodic sample survey which investigates the quality and quantity of the country's forest resources; it is the source of Italian forest statistics, a monitoring tool that produces concrete knowledge in support of forest and environmental policy, not addressed only to the productive aspects, but inclusive of all the functions performed by the forests and the related ecosystem services. In continuity with what happened previously during the achievement of the National Inventory of Forests and Forest Carbon Pools 2005 (INFC2005), Arma dei Carabinieri continued to make use of the scientific support of the Council for Agricultural Research and Economics—Research Centre for Forestry and Wood, thanks to a consolidated and fruitful relationship of collaboration and institutional synergy. In order to obtain updated statistics, comparable and responding to a plurality of information needs related to the management of forests and the territory, the inventory survey INFC2015—the year 2015 is assumed as the base year of reference but the surveys in the woods began in November 2017 and concluded in December 2019—strictly followed the methodology used for INFC2005 (the previous national forest inventory survey). In 1985 the first national forest inventory IFNI85 was carried out, but the different sampling design, definitions and classification system did not allow a correct comparison of the data.

The inventory makes it possible to obtain estimates as indicative as possible of the different values expressed by forest ecosystems. The quantitative and qualitative data of the country's forests are therefore available to international organizations, national and regional public administrations, civil society and research institutions. The main purpose of the third Italian forest inventory INFC2015 was to obtain estimates on the evolution of Italian forest areas ten years after the INFC2005. Now, in fact, with the results of INFC2015, realized with the same relevant methodologies, it is finally possible to obtain comparable quantitative and qualitative data that will feed a strategic historical series for the evaluation of the variations that natural capital undergoes over time.

In fact, the "photogram" of 2015 is now added to that of 2005, transforming a photograph into a film to which other frames will soon be added (the subsequent inventory surveys). It allows to observe the evolution of the Italian forest heritage in the context of global change underway triggered by the rise in the average temperature of the planet.

The inventories (INFC2005, INFC2015) produce important information, providing data necessary to describe the main characteristics of forest areas. The main qualitative parameters investigated are the biodiversity of forest formations determined by the specific composition and by the presence of dead wood; management in terms of methods and intensity; safeguards thanks to protection constraints; the state of health; structure; the evolutionary stage. The quantitative ones, on the other hand, concerned the precise quantification of the national forest heritage, both in terms of surface and amount of wood resources, understood as volume, biomass and stored carbon content.

In addition to quantifying and assessing the state of the resources at the time of observation, the repetition of the survey makes it possible to monitor changes affecting the forest heritage, in order to verify the effects of management policies, foresee evolution scenarios and plan corrective actions. INFC2015 and INFC2005 make it possible to analyse the evolution over the last ten years of the entity and quality of forest resources based on the comparison of data collected with statistical sampling. The comparison of the two inventories makes it possible, thanks to the re-proposal of the same survey methodology, to reconstruct historical series for the main characters, such as, first of all, the forest area, the consistency of the carbon stock and the annual storage capacity of CO2, the greenhouse gas most responsible for the global rise in temperatures.

The updating of the national forest inventory is linked to the country's joining in international commitments for the conservation of terrestrial ecosystems and biodiversity, for the sustainable management of forest resources and for the reduction of greenhouse gas emissions, in line with the European Green Deal and the European Biodiversity Strategy 2030. The agreements signed provide for the monitoring of the implementation status of the commitments undertaken over time by quantifying, at set deadlines, the values of indicators (international reporting) such as the surface forestry, the number of species, the ratio of forest growth to the amount of wood used, the amount of accumulated carbon and so on.

Finally, the sampling intensity, as the number of sample units to be observed, and the selection of the sample, by regional "strata", was defined in order to ensure reliable results also at the regional level. The tables of the results produced, in fact, always report the statistics on a regional basis, thus guaranteeing the Regions and Autonomous Provinces statistical data of great utility.

The 2015 National Inventory of Forests and Carbon Pools data assume particular relevance by virtue of the functional dependence of the Forestry, Environmental and Agri-food Units Command on the Minister of Ecological Transition, sanctioned by the changes introduced by law no. 113 of conversion, with modifications, of the decree law 9 June 2021, n. 80. The aforementioned functional dependence is achieved without prejudice to the possibility of the Minister of Agricultural, Food and Forestry Policies to make use of the same Command, for the performance of the functions attributable to the attributions of that Ministry.

In this innovative institutional framework, the monitoring activity and the quantitative detection of forest resources, as well as the entire activity of the Forestry, Environmental and Agri-food Units Command, is perfectly in line with both the implementation of international Conventions on environmental matters and the relative national regulations both as regards the needs of forestry and territorial planning at the various levels of competence.

Rome, Italy Gen. Antonio Pietro Marzo

# **Presentazione I**

Il decreto legislativo 19 agosto 2016, n. 177, recante "Disposizioni in materia di razionalizzazione delle funzioni di polizia e assorbimento del Corpo forestale dello Stato, ai sensi dell'articolo 8, comma 1, lettera (a), della legge 7 agosto 2015, n. 124, in materia di riorganizzazione delle amministrazioni pubbliche", all'articolo 7 comma 2 dispone che l'Arma dei Carabinieri, tra le altre, eserciti le attività di studio connesse alla rilevazione qualitativa e quantitativa delle risorse forestali, al monitoraggio sullo stato fitosanitario delle foreste, ai controlli sul livello di inquinamento degli ecosistemi forestali e al monitoraggio del territorio in genere con raccolta, elaborazione, archiviazione e diffusione dei dati.

Il legislatore, nell'affidare all'Arma dei Carabinieri le attività di rilevazione dei dati qualitativi e quantitativi delle foreste, ha voluto assicurare ad una Forza Armata dello Stato un'attività strategica per il Paese. Al pari di altre risorse terrestri, aeree e marine i cui rilevamenti sono affidati a organismi militari come l'Istituto geografico dell'Esercito per i rilievi cartografici, il Servizio Meteorologico dell'Aeronautica per le rilevazioni meteo e l'Istituto Idrografico della Marina per quelle idrooceanografiche, i rilievi relativi alle risorse forestali sono assegnati al Comando Unità Forestali Ambientali e Agroalimentari dell'Arma dei Carabinieri.

L'Inventario Forestale Nazionale è un'indagine campionaria periodica finalizzata alla conoscenza della qualità e quantità delle risorse forestali del Paese ed è la fonte delle statistiche forestali italiane, uno strumento di monitoraggio che produce conoscenza concreta a supporto della politica forestale e ambientale, non rivolto solo agli aspetti produttivi, ma inclusivo di tutte le funzioni assolte dal bosco e dei relativi servizi ecosistemici che è in grado di fornire.

In continuità con quanto avvenuto in precedenza, anche per la realizzazione dell'Inventario Nazionale delle Foreste e dei serbatoi forestali di Carbonio 2015 (INFC2015), l'Arma dei Carabinieri ha continuato ad avvalersi del supporto scientifico del Consiglio per la ricerca in agricoltura e l'analisi dell'economia agraria— Centro di ricerca Foreste e Legno, grazie ad un consolidato e proficuo rapporto di collaborazione e di sinergia istituzionale.

Al fine di ottenere statistiche aggiornate, comparabili e rispondenti ad una pluralità di esigenze informative connesse alla gestione delle foreste e del territorio, l'indagine inventariale INFC2015—l'anno 2015 si assume come anno base di riferimento ma i rilievi in bosco sono iniziati nel novembre del 2017 e si sono conclusi nel dicembre del 2019—ha seguito rigorosamente la metodologia utilizzata per INFC2005 (il precedente rilievo inventariale nazionale delle foreste). Nel 1985 era stato realizzato il primo inventario forestale nazionale IFNI85 ma il disegno di campionamento, le definizioni e il sistema di classificazione differenti non permettevano una corretta comparazione dei dati.

L'inventario consente di ottenere stime il più possibile indicative dei diversi valori espressi dagli ecosistemi forestali. I dati quantitativi e qualitativi delle foreste del Paese sono quindi a disposizione delle organizzazioni internazionali, delle amministrazioni pubbliche sia nazionali che regionali, della società civile, delle istituzioni di ricerca. La finalità principale del terzo inventario forestale italiano INFC2015 è stata quella di ottenere stime sull'evoluzione delle superfici forestali italiane a dieci anni di distanza dal INFC2005. Ora, infatti, con i risultati di INFC2015, realizzato con le stesse metodologie di rilievo, finalmente si possono ottenere dati quantitativi e qualitativi comparabili che andranno ad alimentare una serie storica strategica per la valutazione delle variazioni che il capitale naturale subisce nel tempo.

Al "fotogramma" del 2005, difatti, si aggiunge ora quello del 2015 trasformando una fotografia in un film a cui a breve si aggiungeranno altri fotogrammi (le successive indagini inventariali) che consentono di osservare l'evoluzione del patrimonio forestale italiano nell'ambito del cambiamento globale in atto innescato dall'innalzamento della temperatura media del pianeta.

Gli inventari (INFC2005, INFC2015) producono informazioni importanti, fornendo dati necessari a descrivere le principali caratteristiche delle aree forestali. I principali parametri qualitativi indagati sono stati: la biodiversità delle formazioni forestali determinata dalla composizione specifica e dalla presenza di legno morto; la gestione in termini di modalità e intensità; la tutela mediante vincoli di protezione; lo stato di salute; la struttura; lo stadio evolutivo. Quelli quantitativi hanno invece riguardato la quantificazione precisa del patrimonio forestale nazionale, sia in termini di superficie che di entità delle risorse legnose, intesa come volume, biomassa e contenuti di carbonio immagazzinato.

Oltre alla quantificazione e valutazione dello stato delle risorse al momento dell'osservazione, la ripetizione dell'indagine consente di monitorare i cambiamenti che interessano il patrimonio forestale, al fine di verificare gli effetti delle politiche di gestione, prevedere scenari di evoluzione e pianificare interventi correttivi. INFC2015 e INFC2005 permettono di analizzare l'evoluzione negli ultimi dieci anni dell'entità e della qualità delle risorse forestali basandosi sul confronto di dati raccolti con campionamento statistico. La comparazione dei due inventari consente infatti, grazie alla riproposizione della stessa metodologia di indagine, di ricostruire serie storiche per i principali caratteri, quali, in primo luogo, la superficie forestale, la consistenza dello stock di carbonio e la capacità di stoccaggio annuale della CO2, il gas serra maggiormente responsabile dell'innalzamento globale delle temperature.

L'aggiornamento dell'inventario forestale nazionale è legato all'assunzione da parte del Paese di impegni a livello internazionale per la conservazione degli ecosistemi terrestri e della biodiversità, per la gestione sostenibile delle risorse forestali e per la riduzione delle emissioni di gas ad effetto serra in linea con il Green Deal Europeo e con la Strategia Europea per la biodiversità 2030. Gli accordi sottoscritti prevedono infatti di monitorare nel tempo lo stato di attuazione degli impegni assunti quantificando, a scadenze prefissate, i valori di indicatori (reporting internazionale) quali la superficie forestale, il numero di specie, il rapporto tra accrescimento delle foreste ed entità di legname utilizzato, la quantità di carbonio accumulato e così via.

Infine, l'intensità di campionamento, cioè il numero di unità campionarie da osservare, e la selezione del campione, per "strati" regionali, è stata definita in modo da garantire risultati affidabili anche a livello di regione. Le tabelle dei risultati prodotte, infatti, riportano le statistiche sempre su base regionale garantendo quindi alle Regioni e Province autonome dati statistici di grandissima utilità.

I dati dell'Inventario Nazionale delle Foreste e dei Serbatoi di Carbonio 2015, assumono una particolare rilevanza in virtù della dipendenza funzionale del Comando Unità Forestali, Ambientali e Agroalimentari dal Ministro della transizione ecologica, sancita dalle modifiche introdotte dalla legge 6 agosto 2021, n. 113 di conversione, con modifiche, del decreto legge 9 giugno 2021, n. 80. La suddetta dipendenza funzionale si realizza ferma restando la possibilità del Ministro delle politiche agricole alimentari e forestali di avvalersi dello stesso Comando, per lo svolgimento delle funzioni riconducibili alle attribuzioni di quel Ministero.

In tale innovato quadro istituzionale, l'attività di monitoraggio e la rilevazione quali quantitativa delle risorse forestali, così come l'intera attività del Comando Unità Forestali, Ambientali e Agroalimentari, risulta perfettamente in linea sia con l'attuazione delle convenzioni internazionali in materia ambientale e delle relative norme nazionali sia per quanto riguarda le esigenze di pianificazione forestale e territoriale ai vari livelli di competenza.

Rome, Italy Gen. Antonio Pietro Marzo

# **Foreword II**

Forests play an essential role in guaranteeing natural and environmental balances and, at the same time, in satisfying the needs of mankind: to make forests "count" in the country's political and economic choices and strategies, it is primarily necessary to "count" forests.

Multifunctional resource par excellence, woods represent the richest ecosystems in animal and plant biodiversity and are able to perform irreplaceable services: they provides an important contribution in mitigating the effects of climate change through the removal of excess carbon dioxide present in the atmosphere, they affect in a decisive way the water cycle evaporation, absorption and regulation, the influence that the purification, the emission of the air and the influence that the oxygen purification we breathe, they favour the effect of the soils and contrast of the slopes to the phenomena of desertification and represents the vital habitat for many other species, plants and animals.

These functions, directly linked to the quality of the environment, generate a further series of a positive externalities, both in terms of production of renewable raw materials such as wood and undergrowth products, and in terms of fundamental intangible services such as touristic/recreational use, the characterization of landscape and the conservation of the traditional, cultural and even spiritual values of the territories.

The removal from the atmosphere and the storage of greenhouse gases especially of carbon dioxide is one of the most important functions recently recognized to forests which contribute to mitigate the effects of climate change regulating the climate. In fact, forests, like the whole plant kingdom, represent an irreplaceable bridge between the inorganic world and that of living beings and a formidable biological machine that captures carbon from the atmosphere storing it in its fibres and keeping it blocked for long time: a cubic metre of dry wood contains about 250 kg, a half of its weight.

In this context, the monitoring of forest ecosystems is coherently and effectively part of the achievement of the strategic objectives identified by the European Union as part of the "Green Deal", which aims to achieve the neutrality of polluting emissions by 2050. The tools of strategic planning developed are aimed at promoting a correct transition towards a sustainable economy with zero environmental impact in all member states, thanks to huge economic resources to be allocated in favour of decarbonization, circular economy and sustainable mobility. These ambitious objectives are achievable only through a radical change in current lifestyles, combining the need to ensure a better quality of life for citizens with a reinforced and essential protection of the environment through a socio-economic development that can be defined as truly sustainable.

The European Commission has set a challenging goal of reducing greenhouse gas emissions, expecting to go from 40% to at least 55% by 2030 compared to 1990 levels and to zero them in 2050. Europe therefore sets itself, towards the rest of the world, consistently as leader in the implementation of climate neutrality in the wake of the achievement of the Kyoto protocol and the Doha amendment for the reduction of climate-altering gases and the Paris Agreement for the containment of the increase in world average temperature within 1.5 °C.

Forests, as already mentioned, play a strategic role as a carbon dioxide reserve and in this context it is easy to understand the importance of forest monitoring. Forest monitoring, in fact, has a crucial meaning when it has a character of continuity over time and it allows us to know the consistency and evolution of our forests, the country's strategic resource. Furthermore, the forest ecosystem monitoring networks are an essential tool for verifying whether the limit values are respected on the territory of the State and the objectives established in order to prevent, eliminate or reduce the negative effects of global climate change in human health and in the environment.

In this context, the National Inventory of Forests and Forest Carbon Pools (INFC2015) provides a comprehensive in-depth and timely examination of the qualitative and quantitative state of Italian forests. It represents the tool used to quantify the carbon content stored in forests, in compliance with the agreements signed by Italy under the United Nations Framework Convention on Climate Change (UNFCCC).

INFC2015 was created by the Forestry Specialty of the Arma dei Carabinieri, continuing the activities carried out in the past by the Corpo forestale dello Stato with the INFC2005 and with the first National Forest Inventory of 1985 (IFNI). The Projects, Conventions and Environmental Education Office of the Forestry, Environmental and Agri-food Unit Command (CUFA) in charge of its realization, with the scientific contribution of the Council for Agricultural Research and Economics— Research Centre for Forestry and Wood, has implemented the INFC2015 project coordinating the military forces involved in the area, the financial resources allocated and the Regions and Provinces with special status, in order to effectively and efficiently organize the available resources.

In the various operational phases of the project, more than 150 soldiers, duly trained at the structures of the Carabinieri, have lavished their enthusiasm and their preparation in updating—with reference to 2015 year—the knowledge of the Italian forest heritage, highlighting the strong link that the Arma dei Carabinieri, and in particular the sector of Forestry Specialties, has with the rural and forest territory. The active participation in all phases of INFC2015 by the Forestry Corps and Services of the Regions and Autonomous Provinces also represented an important example of positive cooperation between State structures. The support of the Ministry of Ecological Transition, responsible for the implementation of the Kyoto Protocol in Italy, also contributed to the achievement of the new Inventory.

The results of the inventory survey photograph and certify the progressive and further increase of forests in our country (10,980,000 hectares), quantified by about 520,000 hectares more than the previous inventory of 2005, with the forest occupying over a third of the national territory. The forest has, therefore, maintained the trend of expansion at national level and they continue to expand towards the mountain and hilly territory, made available by agriculture and the naturalization of the landscape.

The results of the latest Inventory also reveal further environmental aspects of great importance, such as the carbon content stored in forest soils, making us even more evident the strategic importance of our forests in contributing to compliance with the international commitments undertaken by Italy, to well-being of the environment and people and, consequently, placing ourselves in front of the responsibility of continuing in the quantitative and qualitative monitoring of forest ecosystems, with perseverance and with increasing professionalism.

The Inventory already represents, but will increasingly be in the future, a sort of "green thermometer" capable of measuring the consistency and the state of vitality of the forests, but above all it will allow to evaluate their contribution to mitigate the "planetary fever".

Rome, Italy Gen. Davide De Laurentis

# **Presentazione II**

Le foreste svolgono un ruolo essenziale nel garantire gli equilibri naturali e ambientali globali e, contemporaneamente, nel contribuire al soddisfacimento dei bisogni del genere umano: affinché le foreste "contino" nelle scelte e nelle strategie politiche ed economiche del Paese, bisogna prima di tutto "contare" le foreste.

Risorsa multifunzionale per eccellenza, i boschi rappresentano gli ecosistemi più ricchi di biodiversità animale e vegetale ed in grado di svolgere servizi insostituibili: forniscono, infatti, un contributo importante nel mitigare gli effetti dei cambiamenti climatici attraverso la sottrazione di anidride carbonica presente in eccesso nell'atmosfera, caratterizzano in modo determinante il ciclo dell'acqua influenzandone evaporazione, assorbimento e regimazione, garantiscono la depurazione dell'aria e l'emissione dell'ossigeno che respiriamo, favoriscono il consolidamento dei suoli e dei versanti, contribuiscono al contrasto dei fenomeni di desertificazione e rappresentano l'habitat vitale per molte altre specie, vegetali ed animali.

Queste funzioni, direttamente connesse alla qualità dell'ambiente, generano una serie ulteriore di esternalità positive, sia in termini di produzione di materie prime rinnovabili come il legno e di prodotti del sottobosco, sia in termini di servizi immateriali fondamentali come la fruizione turistico-ricreativa, la caratterizzazione del paesaggio e la conservazione dei valori tradizionali, culturali e, a volte, anche spirituali dei territori.

La sottrazione dall'atmosfera e l'immagazzinamento dei gas ad effetto serra, in particolare del diossido di carbonio o anidride carbonica, è una delle funzioni più importanti di recente riconosciute alle foreste che, così, contribuiscono a mitigare gli effetti dei cambiamenti climatici e a regolare il clima. Infatti le foreste, come tutto il regno vegetale, rappresentano un ponte insostituibile tra il mondo inorganico e quello degli esseri viventi e una formidabile macchina biologica che cattura carbonio dall'atmosfera, lo immagazzina nelle sue fibre e lo tiene bloccato per tempi anche molto lunghi: un metro cubo di legno secco contiene circa 250 kg di carbonio, pari a circa la metà del suo peso.

In questo contesto l'attività di monitoraggio degli ecosistemi forestali si inserisce coerentemente ed efficacemente nella realizzazione degli obiettivi strategici individuati dall'Unione Europea nell'ambito del "Green Deal", che mira al raggiungimento della neutralità delle emissioni inquinanti entro il 2050. Gli strumenti di pianificazione strategica messi a punto hanno lo scopo di favorire una corretta transizione verso un'economia sostenibile e con impatto ambientale zero in tutti i Paesi membri, grazie ad ingenti risorse economiche da destinare in favore della decarbonizzazione, dell'economia circolare e della mobilità sostenibile. Tali ambiziosi obiettivi sono perseguibili solo attraverso un radicale mutamento degli attuali stili di vita, coniugando l'esigenza di garantire una migliore qualità della vita dei cittadini con una rafforzata ed imprescindibile tutela dell'ambiente attraverso uno sviluppo socio-economico che possa essere definito realmente sostenibile.

La Commissione Europea ha fissato una meta impegnativa di riduzione delle emissioni di gas ad effetto serra, prevedendo di passare dal 40% ad almeno il 55% per il 2030 rispetto ai livelli del 1990 e di azzerarle nel 2050. L'Europa si pone quindi, nei confronti del resto del mondo, coerentemente come capofila nella realizzazione della neutralità climatica sulla scia dell'attuazione del protocollo di Kyoto e dell'emendamento di Doha per la riduzione dei gas clima alteranti e dell'Accordo di Parigi per il contenimento dell'aumento della temperatura media mondiale entro 1.5 °C.

Le foreste, come già accennato, svolgono un ruolo strategico come serbatoio di anidride carbonica e in questo contesto è facile comprendere quale importanza assuma il monitoraggio forestale. Il monitoraggio delle foreste, infatti, ha un significato cruciale quando possiede carattere di continuità nel tempo e permette di conoscere la consistenza e l'evoluzione delle nostre foreste, risorsa strategica del Paese. Le reti di monitoraggio degli ecosistemi forestali, inoltre, sono uno strumento indispensabile per verificare se sul territorio dello Stato siano rispettati i valori limite e raggiunti gli obiettivi stabiliti al fine di prevenire, eliminare o ridurre gli effetti negativi del cambiamento climatico globale sia per la salute umana che per l'ambiente.

In tale contesto l'Inventario Nazionale delle Foreste e dei serbatoi forestali di Carbonio (INFC2015) fornisce un esame globale, approfondito e puntuale dello stato qualitativo e quantitativo delle foreste italiane. Esso rappresenta, in particolare, lo strumento con cui contabilizzare il contenuto di carbonio immagazzinato nelle foreste, in adempimento agli accordi sottoscritti dall'Italia nell'ambito della Convenzione Quadro sui Cambiamenti Climatici delle Nazioni Unite (UNFCCC).

INFC2015 è stato realizzato dall'Arma dei Carabinieri della Specialità Forestale dando continuazione alle attività svolte in passato dal Corpo Forestale dello Stato con l'INFC2005 e con il primo Inventario forestale nazionale del 1985 (IFNI). L'Ufficio Studi e Progetti del Comando Carabinieri per la tutela della biodiversità e dei parchi, incaricato della sua realizzazione, avvalendosi dell'apporto scientifico del Consiglio per la ricerca in agricoltura e l'analisi dell'economia agraria-Centro di ricerca Foreste e Legno, ha realizzato il progetto INFC2015 coordinando i militari coinvolti sul territorio, le risorse finanziarie stanziate e le Regioni e Province a statuto speciale al fine di un'efficace ed efficiente organizzazione delle risorse disponibili.

Nelle diverse fasi operative del progetto più di centocinquanta militari, debitamente formati presso le strutture dell'Arma dei Carabinieri, hanno profuso il loro entusiasmo e la loro preparazione nelle attività di aggiornamento, in riferimento all'anno 2015, della conoscenza del patrimonio forestale italiano, evidenziando il forte legame che l'Arma dei Carabinieri, ed in particolare il comparto della Specialità Forestale, ha con il territorio rurale e forestale. La partecipazione attiva a tutte le fasi dell'INFC2015 da parte dei Corpi e dei servizi forestali delle Regioni e delle Province autonome ha rappresentato, inoltre, un importante esempio di positiva cooperazione tra strutture dello Stato. Anche il supporto del Ministero della Transizione Ecologica, responsabile dell'applicazione del Protocollo di Kyoto in Italia, ha contribuito alla realizzazione del nuovo Inventario.

I risultati dell'indagine inventariale fotografano e certificano il progressivo ed ulteriore aumento delle foreste nel nostro Paese (10,980,000 ettari), quantificato da circa 520,000 ettari in più rispetto al precedente inventario del 2005, con il bosco che va ad occupare oltre un terzo del territorio nazionale. Il bosco ha, quindi, mantenuto l'andamento di espansione a livello nazionale e continua ad appropriarsi del territorio montano e collinare reso disponibile dall'agricoltura e dalla naturalizzazione del paesaggio.

I risultati dell'ultimo Inventario fanno anche emergere ulteriori aspetti ambientali di grande rilievo, quali il contenuto di carbonio stoccato nei suoli forestali, rendendoci ancor più palese l'importanza strategica delle nostre foreste nel contribuire al rispetto degli impegni internazionali assunti dall'Italia, al benessere dell'ambiente e della società e ponendoci, di conseguenza, di fronte alla responsabilità di proseguire, nell'interesse della collettività, nelle attività di monitoraggio quantitativo e qualitativo degli ecosistemi forestali, con continuità e con sempre maggiore professionalità.

L'Inventario rappresenta già, ma sempre più lo sarà in futuro, una sorta di "termometro verde" in grado di misurare la consistenza e lo stato di vitalità delle foreste, ma soprattutto permetterà di valutare il loro contributo per mitigare la "febbre planetaria".

Rome, Italy Gen. Davide De Laurentis

# **Preface**

This book was published under the 3rd executive plan of the cooperation agreement (Art. 15, Law 241/90) for supporting activities on the designing, the realization and the management of the third Italian National Forest Inventory INFC2015, between the Carabinieri Command of the Forestry, Environmental and Agri-food Units and the Council for Agricultural Research and Economics. Arma dei Carabinieri is entrusted with the realisation of the National Forest Inventory and with the decisions about the aims of the survey and data treatment.

The book was writtento provideinformation onthemethods usedinthethird Italian National Forest Inventory (INFC2015) andto presentthe main results onthe estimated variables. Chapters 1 through 6 describe the general organization, the definitions, the methods and the estimation procedures. Chapters 7 through 12 specify the main estimates produced by INFC2015.Finally,Chap.13comparestheestimates obtained from INFC2005 and INFC2015, the last two national surveys, to provide an understanding of the current dynamics of Italian forests. The estimates are shown in tables that are givenin each chapter. The complete set ofinventory estimates generated by INFC2015 is available at www.inventarioforestale.org.

The estimates are presented through texts that introduce the subject matter of the chapter, explain the way the related variables were surveyed and comment on the main outcomes. Chapters 7 through 12 introduce the topics by describing their importance in general, as well as importance of their assessment within the forest inventory. The introductions were targeted to the general public, as more and more people are now interested in the data about environmental resources. The main results are then further explained with the help of graphics.

The book intends to reach a large audience of readers interested in the Italian official statistics on forests, and for this reason, it has been written in two languages. However, the English and Italian versions differ slightly because they were not viewed as a mere translation from one language to another. In fact, much more reference material is available for Italian readers than for English readers. Moreover, some terms do not require explanation for Italian readers, because they are commonly understood through traditional usage but may need clarification for other readers. For these reasons, varying levels of descriptions were provided.

Some conventions have been adopted to simplify the writing. The categories or types that are relevant for the stratification are written in capital letters. For example, 'Forest' refers to the inventory category of Forest, and 'Chestnut forest' indicates one of the forest types adopted in the INFC. However, it is still possible to refer to 'forest' in general, without any specific reference to the inventory domain (e.g. '… forest protection is very important for human well-being'). In addition, the word '...forest' is generally omitted when indicating a forest type, especially in figures and tables (e.g. 'Fir' indicates 'Fir forest' and 'Other deciduous broadleaved' indicates 'Other deciduous broadleaved forest'. Finally, a list of acronyms and a glossary have been added at the end of the book.

Trento, Italy Trento, Italy Trento, Italy Rome, Italy

Patrizia Gasparini Lucio Di Cosmo Antonio Floris Davide De Laurentis

# **Prefazione**

Il presente volume è stato prodotto nell'ambito dell'accordo di collaborazione Art. 15 Legge 241/90 per attività di supporto alla progettazione, realizzazione e gestione del terzo Inventario Forestale Nazionale Italiano, terzo piano esecutivo, sottoscritto dal Comando Unità Forestali, Ambientali e Agroalimentari Carabinieri e dal Consiglio per la ricerca in agricoltura e l'analisi dell'economia agraria. L'Arma dei Carabinieri è il soggetto titolare dell'Inventario Forestale Nazionale, a cui competono le decisioni in materia di finalità della rilevazione e trattamento dei dati.

Lo scopo di questo libro è illustrare i metodi utilizzati per il terzo Inventario Forestale Nazionale Italiano (INFC2015) e presentare i risultati ottenuti per le principali variabili rilevate. La prima parte della pubblicazione (Capitoli da 1 a 6) descrive l'organizzazione generale di INFC, le definizioni, i metodi e le procedure di stima. La seconda parte del volume (Capitoli da 7 a 12) riporta le principali statistiche forestali prodotte da INFC2015. Infine, il Capitolo 13 paragona le stime ottenute da INFC2015 con quelle di INFC2005, le ultime due indagini inventariali, per cogliere alcuni aspetti della dinamica in atto per le foreste italiane.

Le stime sono riportate in forma di tabelle, in ciascun capitolo. L'insieme di tutte le stime prodotte da INFC2015 è disponibile nel sito www.inventarioforestale.org.

Le statistiche inventariali sono presentate mediante un testo introduttivo sugli argomenti del Capitolo, spiegazioni sulle modalità di rilievo delle variabili e commenti sui principali risultati ottenuti. Nei Capitoli da 7 a 12, le variabili oggetto di stima sono introdotte da testi che ne descrivono l'importanza generale e l'importanza del loro rilievo in ambito inventariale. Le introduzioni sono state pensate per un pubblico ampio, non necessariamente specialistico, poiché l'interesse per le informazioni sulle risorse ambientali è oggigiorno abbastanza generalizzato. Infine, i risultati principali sono commentati anche con l'ausilio di grafici.

La pubblicazione è stata curata in doppia lingua, l'italiano e l'inglese, con lo scopo di raggiungere una platea ampia di lettori interessati alle statistiche ufficiali sulle foreste in Italia. Ad ogni modo, le due versioni differiscono lievemente perché non sono state pensate come una mera traduzione in una seconda lingua. Infatti, i lettori del testo in italiano hanno accesso ad una quantità di materiale bibliografico piuttosto rilevante, in parte precluso agli altri lettori. Inoltre, alcuni termini familiari, che non necessitano di spiegazioni perché di uso consolidato, non sempre trovano corrispondenza in altri Paesi. Per queste ragioni, in alcuni casi le descrizioni sono state riportate con un dettaglio diverso, nelle due lingue.

Per rendere più agevole la scrittura, sono state adottate alcune convenzioni. Le categorie rilevanti per la stratificazione del campione o delle stime sono state scritte in maiuscolo. Per esempio, con "Bosco" si intende la categoria inventariale del Bosco, e Castagneti indica una delle categorie forestali adottate da INFC. Fuori da questa accezione, rimane possibile utilizzare il termine "bosco" per il suo significato generico, senza riferimento al dominio inventariale (per esempio, "… la protezione del bosco è molto importante per il benessere dell'uomo"). Inoltre, sono stati aggiunti alla fine del volume la lista degli acronimi utilizzati e un glossario con i principali termini tecnici.

Trento, Italy Trento, Italy Trento, Italy Rome, Italy

Patrizia Gasparini Lucio Di Cosmo Antonio Floris Davide De Laurentis

# **Acknowledgments**

Realization of the third Italian National Forest Inventory, the topic of this book, has been possible thanks to the involvement of many people who contributed their knowledge and expertise in different areas. Listing all of them without forgetting some names would be impossible. For this reason, we express our heartfelt appreciation to all of those who have contributed in any way in realizing this ambitious project. We are grateful to our colleagues in CREA Research Centre for Forestry and Wood in Trento, who collaborated on the planning, the field crews training and assistance, and the quality check during the data gathering. To all of the employees of the State Forestry Corps and the Carabinieri Command of Forestry, Environmental and Agri-food Units, who coordinated and carried out the surveys in the various phases, we owe them a debt of gratitude. We appreciate the contribution of the people of the autonomous regions and provinces who carried out the surveys in their districts as well as the experts of the companies who projected and developed the software for recording and storing the data. Last but not least, we want to thank our colleagues and the consultants from different disciplines who contributed to projecting the methods and the procedures of the second Italian National Forest Inventory. It was through their efforts that we were able to design the operational activities of the INFC2015.

# **Ringraziamenti**

La realizzazione del terzo Inventario Forestale Nazionale Italiano, a cui è dedicato questo volume, è stata possibile solo grazie al contributo di moltissime persone, con ruoli e competenze diverse. Elencare i nomi di tutti coloro che hanno collaborato, senza tralasciarne qualcuno, non sarebbe possibile. Preferiamo quindi esprimere un ringraziamento collettivo, sincero e sentito, a tutti coloro che hanno contribuito a vario titolo e in momenti diversi alla realizzazione di questo ambizioso progetto. Ai colleghi del CREA Foreste e Legno di Trento, che hanno collaborato alla progettazione, alla formazione dei rilevatori e alle attività di assistenza e controllo durante i rilievi. Al personale del Corpo Forestale dello Stato e del Comando Unità Forestali Ambientali e Agroalimentari dell'Arma dei Carabinieri, per aver coordinato le operazioni ed eseguito la raccolta dati, nelle diverse fasi dell'indagine. Al personale delle Regioni a statuto speciale e delle Province autonome, che ha collaborato ai rilievi, per i territori di propria competenza. Agli esperti delle Società che hanno progettato e realizzato le componenti informatiche per la raccolta e l'archiviazione dei dati. Infine, ma non ultimi, ai colleghi e ai consulenti esterni di varie discipline che hanno contribuito all'elaborazione dei metodi e delle procedure per il secondo Inventario Forestale Nazionale, da cui abbiamo attinto per la progettazione operativa dell'INFC2015.

# **Contents**




# **Indice**


# **Acronyms/Acronimi**



# **Chapter 1 The Italian Forest Inventory in Brief**

# **L'inventario forestale nazionale italiano in breve**

**Patrizia Gasparini and Giancarlo Papitto**

**Abstract** Large-scale forest inventories are important sources of forest information at the national level in individual countries. These surveys have undergone strong development in recent times, driven by new information needs and by advances in statistical-mathematical theory and in survey methods and techniques. In Italy, the first national forest inventory was carried out in the mid-1980s. A thorough review of the sampling design and survey protocols was carried out in the second inventory, and the third survey has just been completed. This chapter briefly describes the history and organisational structure of the Italian National Forest Inventory and summarises its content and products.

**Keywords** Forest statistics · International reporting · Sustainable forest management · Climate change reporting · Natural capital · Forest policy

# **1.1 Introduction**

The term 'forest inventory' refers to both forest information and to the process of collecting and processing the data on which information is based (Tompoo et al., 2010). Information provided by forest inventories is in the form of data tables, often accompanied by charts and thematic maps. Forest inventories are conducted on a local scale, for a forest estate or a group of forest estates, or on a broader scale for a region or a country. In the latter case, we speak of a National Forest Inventory (NFI), which aims to provide the national forest statistics of a country.

In Europe, the first large-scale forest inventories based on systematic sampling were carried out in the 1920s and 1930s (Loetsch & Haller, 1973). These were conducted in Norway from 1919 to 1930 (Tomter et al., 2010), in Finland from 1921

P. Gasparini (B)

G. Papitto

Carabinieri Command of the Forestry, Environmental and Agro-Food Units (CUFA), Rome, Italy

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: patrizia.gasparini@crea.gov.it

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_1

to 1924 (Kangas & Maltamo, 2007), and in Sweden from 1923 to 1929 (Axelsson et al., 2010). After the Second World War, thanks to the evolution of mathematical statistics and of sampling theory of the early twentieth century, and, in parallel, to the introduction of aerial photos as ancillary sources of data, large-scale forest inventories have seen a strong development in many European countries (Democratic Republic of Germany, France, Austria and Spain). Since the 1980s, many other countries have begun taking inventories on a sample basis, and to date, 23 NFIs have been carried out in Europe (Gschwantner et al., 2021).

Modern forest inventories are generally of a combined or multi-source type, i.e., information is collected both directly in the field through plot measurements and using remote sensing (aerial photos, satellite data) and other data sources (GIS layers, previous inventories, etc.). Furthermore, the most recent forest inventories concern a much wider spectrum of variables than the previous ones, which had as their main objective the estimation of wood production and its availability over time. The inventory protocols have been significantly expanded to include observations and measurements on the various components of forest ecosystems, such as deadwood, lower layers of vegetation, microhabitats, naturalistic and landscape emergencies, forest soils, as well as aspects related to the usability of forest resources, such as roads, recreational infrastructures, and many others. For these reasons, large-scale forest inventories have taken on the character of multi-purpose surveys.

Interest in the information produced by NFIs goes beyond national borders and increasingly concerns the international community. In fact, inventory statistics are also used to compile reports and statistics at a supra-national level, aimed at verifying compliance with the commitments undertaken by the various countries in the context of international agreements for the protection of forests, the conservation of biodiversity and the fight against climate change.

The need to update and integrate the official forest statistics available in Italy became pressing at the end of the 1970s, due to the lack of a national inventory and the lack of coherent and reliable information throughout the national territory, which is necessary to promote a modern national forest policy (Tabacchi & Tosi, 2011). The first Italian NFI, conducted in the mid-1980s, temporarily filled this lack of information on a national scale. However, the survey remained without repetition until the early 2000s when, following the emergence of new and more urgent information needs on a national and international scale, the Italian NFI took on a permanent and institutional character, with larger goals, consistent with the modern needs not only of the forestry sector, but of the entire national and international community.

This chapter briefly describes the history and organisational structure of the current Italian NFI, known as the National Inventory of Forests and Forest Carbon Pools (INFC). The text also illustrates the purpose of the survey and lists the main information produced as well as its use in evaluating the management of forest resources and the ecosystem services provided.

# **1.2 Historical Notes and Legal Aspects**

The first Italian NFI (IFNI85) was carried out in the period 1983–87, following the activities of the Interministerial Advisory Commission dedicated to the control and testing of the Forest Map of Italy and the National Forest Inventory. The Commission identified the minimum objectives and financial resources to be used and entrusted the Experimental Institute for Forest and Range Management (ISAFA) of Trento, now merged into the Research Centre for Forestry and Wood of the Council for Agricultural Research and Economics (CREA Research Centre for Forestry and Wood), with the task of drawing up the inventory design, conducting the control of the survey activities, processing the information collected and illustrating the results obtained. The surveys were conducted by the staff of the State Forestry Corps and, for the regions with special statutes and autonomous provinces, surveys were carried out by the staff of the local forestry services. For IFNI85 a systematic sampling scheme was adopted, based on a regular 3 km × 3 km grid of observation points, with a single survey phase on the ground, sufficient to produce estimates with sampling errors acceptable at the national level. More than 33,400 points identified by the national sampling grid were first examined on the cartography and the aerial photos available or through a quick survey, to exclude survey points that were unequivocally not affected by forest cover. The remaining points, which were visited on the ground and surveyed totalled about 9000, one every 900 ha of wood (MAF-ISAFA, 1988).

At the end of the 1990s, ISAFA carried out a preparatory study for the launch of the second Italian NFI on behalf of the Ministry of Agriculture and Forestry (ISAFA, 1998). The same Ministry subsequently issued the Ministerial Decree 13/12/2001, establishing the Italian NFI as a 'permanent instrument of knowledge of the national forest heritage in support of political functions in the forest and environmental sector, including the protection and recovery of biodiversity' (Art. 1). Following the law 353/2000, the decree entrusted the implementation of the NFI to the State Forestry Corps (Art. 2) with the technical-scientific support of ISAFA (Art. 4).

The second Italian NFI was created during the period 2002–2007 and named the National Inventory of Forests and Forest Carbon Pools—INFC2005, in which the statistics refer to the year 2005. Starting from this realisation, in fact, the main purpose of the survey was the estimation of the carbon content in the forest pools identified for the activities related to the United Nations Framework Convention on Climate Change (UNFCCC) (IPCC, 2003). The carbon pools investigated by INFC2005 included aboveground biomass, deadwood, litter and soil (Di Cosmo et al., 2013; Gasparini & Di Cosmo, 2016). With INFC2005 the sampling design and the survey protocols were completely revised and modified with respect to the previous inventory. A new denser 1 km × 1 km national grid was established, with sampling points randomly selected within each grid square, and a three-phase sampling design was adopted to replace the one-phase one from the previous inventory (cf. Chap. 2). In addition, the internationally valid definition of forest, defined for the Global Forest Resources Assessment (FRA) of FAO-UNECE was adopted, and many additional observations and measures were included in order to describe the different components of forest ecosystems and the set of services they provide.

The third Italian NFI INFC2015 was launched in 2013 with the updating of the classification of land use and land cover by photointerpretation (cf. Chap. 3). Following the approval of the legislative decree of 19 August 2016, n. 177, containing 'Provisions on the rationalisation of police functions and absorption of the State Forestry Corps, pursuant to Art. 8, paragraph 1, letter a), of the law of 7 August 2015, n. 124, on the reorganisation of public administrations' the task for the carrying out of the Italian NFI was entrusted to the Forestry Specialty of the Carabinieri. This important measure involved the reorganisation of the operational structure responsible for the coordination and implementation of the NFI and consequently the postponement of the survey campaign. The collection of data in the field for INFC2015 was, therefore, started in November 2017, at the conclusion of the necessary training of the surveyors, and ended in the first months of 2020. Once the data quality control activities and the final testing of the surveys in all the Italian regions were completed, the inventory statistics presented in this volume were processed in 2021.

# **1.3 Institutional and Organisational Aspects**

The Italian NFI is conducted by the Forestry Specialty of the Carabinieri, in continuity with the activities carried out in the past by the State Forestry Corps. The Carabinieri Command of the Forestry, Environmental and Agro-Food Units (CUFA), through its Studies and Projects Office, deals with the coordination of survey activities, the training of surveyors and organisational and logistical aspects. Surveys in the field in the 15 regions with ordinary statutes are carried out by CUFA staff located in the regional and provincial offices of the Command and coordinated by 14 regional officers. In the remaining districts, the four regions with special statutes, Valle d'Aosta, Friuli-Venezia Giulia, Sicilia and Sardegna, and the two autonomous provinces of Trento and Bolzano, the field surveys are conducted by the staff of the local forest services or by external personnel. Approximately 50 photo interpreters located in their respective offices in the area conducted the photointerpretation of the first phase of INFC2015. The surveys in the field were carried out by 35 teams of the Carabinieri, for a total of about 105 surveyors, and by 20 regional and provincial teams in the special statute regions and autonomous provinces, for a total of approximately 45 additional surveyors.

The CREA Research Centre for Forestry and Wood based in Trento was responsible for the design of the survey, data quality controls and the final data processing. The working group dedicated to INFC activities was composed of 8–10 units of research and technical personnel. The centre also took care of the training and assistance of the surveyors and collaborated in the implementation of the database and software tools for data acquisition and transfer. The latter were implemented by two external companies, Telespazio S.p.A. and AlmavivA S.p.A. For the purpose of defining methods and procedures for the INFC, during the planning of INFC2005, CREA Research Centre for Forestry and Wood made use of the collaboration of many other subjects of universities and service companies who provided important contributions published in the documentation of the project available at www.invent arioforestale.org/documentazione di progetto.

# **1.4 Aims and Products**

The main features of the Italian NFI were established by the Ministerial Decree 13/12/2001. These features designate the inventory as a permanent sample survey, which is periodically updated according to cycles lasting no less than five years. The inventory has the task of producing results consistent with international definitions and with other statistical surveys carried out by the National Statistical Institute (ISTAT). The Italian NFI is responsible for classifying and measuring over 50 variables, both qualitative and quantitative. These variables include those relating to the composition of the vegetation, origin and stage of development, characteristics of forest sites, ownership, forest roads, management methods, availability for wood supply, presence of planning tools and constraints, protected forests, state of health and terrain instability. The quantitative variables concern the size, in terms of diameter and height, and the growth of trees and shrubs that exceed the pre-established diameter threshold, and the count of individuals in the lower layers of vegetation. Deadwood elements are also measured, i.e., trees that have died from pathologies, senescence or broken trees, whole or in parts, standing or lying on the ground, and dead portions of living trees that have fallen to the ground, as well as stumps resulting from cuttings (cf. Chap. 4). The results are produced on a regional scale, for the 21 Italian regions, as well as on a national scale.

The INFC statistics are used in numerous national and international reporting processes. Among the formers, the national report on forests and forestry sector (RaF Italia) of the Ministry of Agricultural, Food and Forestry Policies and of Tourism (MiPAAFT, 2019), the annual inventory of greenhouse gas emissions for UNFCCC and the Kyoto Protocol prepared by the Italian Institute for Environmental Protection and Research (ISPRA, 2021) and the national report on natural capital (Comitato Capitale Naturale, 2021). Among the international reports, INFC contributes to the European report on sustainable forest management (SoEF Europe, https://foresteur ope.org/foresteurope/), and to the UNECE-FAO Global FRA (https://www.fao.org/ forest-resources-assessment/en/) (Table 1.1).

The products of the Italian NFI are mainly of two types: statistics on a national and regional basis and elementary data. The former are represented by area estimates (of forests, different types of forest, etc.) and by estimates of the total values and per area unit values of the main quantitative variables that describe the characteristics of forests (number of trees, growing stock volume, biomass and carbon content, annual increment in volume and biomass, deadwood volume and biomass, etc.). The elementary data are represented by the values assumed by the qualitative and quantitative variables in the single inventory plot or for the single individual (tree


**Table 1.1** Use of Italian NFI

information

 for national and

international

 reporting on the state of forests. In the column on SFM and the one on national reports,



2https://www.fao.org/forest-resources-assessment/en/

3National report on Forests and Forestry sector / Rapporto sullo stato delle foreste e del settore forestale in Italia (MiPAAFT, 2019)

4Nationalreportonnaturalcapital/Rapportosulcapitalenaturale(ComitatoCapitaleNaturale, 2021)

 5DataprovidedbyINFC2005/Datiprodotti da INFC2005(Gasparinietal.,2013)

or shrub) or element (stump, deadwood fragment) measured. Both types of data are fully available with open access at www.inventarioforestale.org/.

# **Appendix (Italian Version)**

**Riassunto** Gli inventari forestali su ampia scala sono tra le principali fonti di statistiche forestali disponibili a livello nazionale nei singoli Paesi. Tali indagini hanno visto un forte sviluppo in tempi relativamente recenti, sulla spinta di nuove esigenze informative e dei progressi della teoria statistico-matematica e dei metodi nonché delle tecniche di rilevamento. In Italia il primo inventario forestale nazionale è stato realizzato a metà degli anni Ottanta. Dopo una profonda revisione del disegno di campionamento e dei protocolli di rilievo, messi a punto in occasione del secondo inventario, si è da poco conclusa la realizzazione della terza indagine. Il capitolo descrive brevemente la storia e la struttura organizzativa dell'inventario forestale nazionale italiano e ne illustra in sintesi i contenuti e i prodotti.

# **Introduzione**

Il termine inventario forestale indica l'insieme delle informazioni relative alle caratteristiche delle foreste e alle operazioni necessarie per la raccolta e l'elaborazione dei dati su cui si basano (Tomppo et al., 2010). Le informazioni prodotte sono solitamente in forma tabellare, spesso accompagnate da rappresentazioni grafiche e mappe tematiche. Gli inventari forestali vengono realizzati a scala locale, per una singola proprietà forestale o per un insieme di proprietà, o a scala più ampia, di regione o nazione. In quest'ultimo caso si tratta di inventari forestali nazionali (IFN), finalizzati a produrre le statistiche forestali di un Paese.

In Europa, i primi inventari su ampie superfici basati su campionamenti sistematici sono stati realizzati negli anni Venti e Trenta del secolo scorso (Loetsch & Haller, 1973): in Norvegia nel 1919–30 (Tomter et al., 2010), Finlandia nel 1921– 24 (Kangas & Maltamo, 2007), Svezia nel 1923–29 (Axelsson et al., 2010). Grazie all'evoluzione dei metodi statistico-matematici e della teoria del campionamento degli inizi del XX secolo e, parallelamente, all'introduzione delle foto aeree quale fonte ausiliaria di dati, a partire dal periodo successivo alla Seconda guerra mondiale gli inventari forestali su ampia scala hanno visto un forte sviluppo in molti Paesi europei (Repubblica Democratica di Germania, Francia, Austria, Spagna). A partire dagli anni Ottanta e Novanta, molti altri Paesi hanno avviato un proprio inventario su base campionaria, fino ad arrivare a 23 IFN attualmente realizzati in Europa (Gschwantner et al., 2021).

Gli inventari forestali moderni sono generalmente di tipo combinato o multirisorsa, ossia le informazioni vengono raccolte sia direttamente in campo, attraverso misure in aree di saggio, sia mediante l'uso di dati telerilevati (foto aeree, immagini satellitari, ecc.) o altre fonti informative (mappe tematiche o precedenti inventari). Gli inventari forestali più recenti, inoltre, riguardano uno spettro di variabili molto più ampio rispetto ai precedenti, che avevano quale obiettivo principale la stima della produzione legnosa e della sua disponibilità nel tempo. I protocolli di rilievo inventariale sono stati ampliati notevolmente, per includere osservazioni e misure sulle diverse componenti degli ecosistemi forestali come il legno morto, gli strati inferiori di vegetazione, i microhabitat, le emergenze naturalistiche e paesaggistiche, i suoli forestali, nonché su aspetti legati alla fruibilità delle risorse forestali come la viabilità, le infrastrutture ricreative e molti altri. Per queste ragioni, gli inventari forestali su ampia scala hanno assunto il carattere di indagini multi-obiettivo.

L'interesse per le informazioni prodotte dagli IFN supera i confini nazionali e riguarda sempre più spesso la comunità internazionale. Le statistiche di fonte inventariale, infatti, vengono utilizzate anche per la compilazione di report e statistiche di livello sovra-nazionale, finalizzati alla verifica del rispetto degli impegni assunti dai diversi Paesi nell'ambito degli accordi internazionali per la tutela delle foreste, la conservazione della biodiversità e la lotta al cambiamento climatico.

L'esigenza di aggiornare e integrare le statistiche forestali ufficiali disponibili in Italia è divenuta pressante alla fine degli anni Settanta, a causa della carenza di informazioni coerenti e affidabili su tutto il territorio nazionale, necessarie a promuovere una moderna politica forestale nazionale (Tabacchi & Tosi, 2011). Il primo IFN italiano, realizzato a metà degli anni Ottanta, ha temporaneamente colmato tale carenza di informazioni a scala nazionale. L'indagine è rimasta tuttavia priva di una ripetizione fino agli inizi degli anni Duemila quando, a seguito dell'emergere di nuove e più urgenti esigenze informative su scala nazionale e internazionale, l'IFN italiano ha assunto carattere permanente e istituzionale, con obiettivi più ampi, coerenti con le moderne esigenze non solo del settore forestale, bensì dell'intera comunità nazionale e internazionale.

Il capitolo descrive brevemente la storia e la struttura organizzativa dell'attuale IFN italiano, denominato Inventario Nazionale delle Foreste e dei serbatoi forestali di Carbonio (INFC). Il testo illustra inoltre le finalità dell'indagine ed elenca le principali informazioni prodotte e il loro impiego ai fini della valutazione della gestione delle risorse forestali e dei servizi ecosistemici da esse forniti.

# **Cenni storici e aspetti giuridici**

Il primo IFN italiano (IFNI85) venne realizzato nel periodo 1983–87, a seguito delle attività della Commissione consultiva interministeriale dedicata al controllo e collaudo della Carta forestale d'Italia e dell'Inventario forestale nazionale. La Commissione individuò gli obiettivi minimi e le risorse finanziarie da impiegare e affidò all'allora Istituto Sperimentale per l'Assestamento Forestale e per l'Alpicoltura (ISAFA) di Trento, ora confluito nel Centro di ricerca Foreste e Legno del Consiglio per la ricerca in agricoltura e l'analisi dell'economia agraria (CREA Centro di ricerca Foreste e Legno), il compito di redigere la progettazione, condurre il controllo delle attività di rilievo, elaborare le informazioni raccolte e illustrare i risultati ottenuti. I rilievi furono eseguiti dal personale del Corpo Forestale dello Stato e, per le Regioni a statuto speciale e le Province autonome, dal personale dei Servizi forestali locali. Per IFNI85 fu adottato uno schema di campionamento sistematico, basato su una griglia regolare di punti di osservazione con maglie quadrangolari di 3 km di lato, con un'unica fase di rilievo al suolo, sufficiente a produrre statistiche con errori campionari accettabili a livello nazionale. Gli oltre 33,400 punti individuati dal reticolo nazionale furono dapprima esaminati sulla cartografia e le foto aree disponibili, o attraverso una ricognizione speditiva, per escludere dal rilievo i punti inequivocabilmente non interessati da copertura forestale. I punti visitati al suolo e rilevati furono circa 9000, uno ogni 900 ha circa di bosco (MAF-ISAFA, 1988).

Alla fine degli anni Novanta l'ISAFA realizzò uno studio preparatorio per l'avvio del secondo IFN italiano, su incarico del Ministero delle Politiche Agricole e Forestali (ISAFA, 1998). Lo stesso Ministero emanò successivamente il Decreto Ministeriale 13/12/2001 che istituì l'IFN italiano quale "strumento permanente di conoscenza del patrimonio forestale nazionale a supporto delle funzioni di indirizzo politico nel settore forestale e ambientale, ivi compresa la tutela e il recupero della biodiversità" (Art. 1). Il decreto, tenendo conto di quanto stabilito dalla legge 353/2000, affidò la realizzazione dell'IFN al Corpo Forestale dello Stato (Art. 2), con il supporto tecnico-scientifico dell'ISAFA (Art. 4).

Il secondo IFN italiano fu realizzato nel periodo 2002–2007 con la denominazione di Inventario Nazionale delle Foreste e dei serbatoi forestali di Carbonio— INFC2005, poiché le statistiche vengono riferite all'anno 2005. A partire da questa realizzazione, infatti, lo scopo principale dell'indagine è la stima del contenuto di carbonio nei serbatoi forestali individuati per le attività relative alla Convenzione Quadro delle Nazioni Unite sui Cambiamenti Climatici (UNFCCC) (IPCC, 2003). I serbatoi di carbonio indagati da INFC2005 sono la biomassa epigea, il legno morto, la lettiera e il suolo (Di Cosmo et al., 2013; Gasparini & Di Cosmo, 2016). Con INFC2005 il disegno di campionamento e i protocolli di rilievo furono integralmente rivisti e modificati rispetto al precedente inventario. Fu istituito un nuovo reticolo nazionale, più denso, con passo di 1 km e con un punto di campionamento posizionato casualmente all'interno di ciascuna maglia del reticolo, e fu adottato un disegno di campionamento a tre fasi (cfr. Chap. 2). Inoltre, fu adottata una definizione di foresta valida a livello internazionale, in uso per il Global Forest Resources Assessment (FRA) redatto da FAO-UNECE, e vennero incluse molte osservazioni e misure aggiuntive, allo scopo di descrivere le diverse componenti degli ecosistemi forestali e l'insieme dei servizi da essi forniti.

Il terzo IFN italiano INFC2015 fu avviato nel 2013 con l'aggiornamento della classificazione dell'uso e copertura del suolo per fotointerpretazione (cfr. Chap. 3). A seguito dell'approvazione del decreto legislativo 19 agosto 2016 n. 177, recante "Disposizioni in materia di razionalizzazione delle funzioni di polizia e assorbimento del Corpo Forestale dello Stato, ai sensi dell'articolo 8, comma 1, lettera a), della legge 7 agosto 2015, n. 124, in materia di riorganizzazione delle amministrazioni pubbliche", la competenza della realizzazione dell'IFN italiano fu assegnata alla specialità forestale dell'Arma dei Carabinieri. Questo importante provvedimento comportò la riorganizzazione della struttura operativa responsabile del coordinamento e della realizzazione dell'IFN e conseguentemente la posticipazione della campagna di rilievo al suolo. La raccolta dei dati in campo per l'INFC2015 fu quindi avviata nel novembre 2017, dopo la necessaria formazione dei rilevatori, e si concluse nei primi mesi del 2020. Completate le attività di controllo di qualità dei dati ed i collaudi dei rilievi in tutte le regioni italiane, nel corso del 2021 sono stati elaborati i dati per la produzione delle statistiche presentate in questo volume.

# **Aspetti istituzionali e organizzativi**

L'IFN italiano viene realizzato dalla specialità forestale dell'Arma dei Carabinieri, in continuità con le attività svolte in passato dal Corpo Forestale dello Stato. Il Comando Unità Forestali, Ambientali e Agro-Alimentari (CUFA), si occupa del coordinamento delle attività di rilievo, della formazione dei rilevatori e degli aspetti organizzativi e logistici. I rilievi in campo nelle 15 regioni a statuto ordinario vengono realizzati dal personale del CUFA dislocato negli uffici regionali e provinciali del Comando e coordinato da 14 Referenti regionali dell'Arma. Nei rimanenti distretti, le quattro regioni a statuto speciale Valle d'Aosta, Friuli-Venezia Giulia, Sicilia e Sardegna, e le due province autonome di Trento e Bolzano, i rilievi in campo vengono condotti dal personale dei locali Servizi forestali o da personale esterno incaricato allo scopo. Oltre 50 fotointerpreti dislocati nei rispettivi uffici sul territorio hanno realizzato la fotointerpretazione della prima fase INFC2015. I rilievi in campo sono stati realizzati da 35 squadre dell'Arma dei Carabinieri, per un totale di circa 105 rilevatori, e da 20 squadre regionali e provinciali delle Regioni a statuto speciale e delle Province autonome, per un totale di altri 45 rilevatori circa.

Il CREA Centro di ricerca Foreste e Legno con sede a Trento è responsabile della progettazione dell'indagine, dei controlli di qualità dei dati e delle elaborazioni finali. Il gruppo di lavoro dedicato alle attività INFC è composto da 8–10 unità di personale ricercatore e tecnico. Il Centro si è occupato inoltre della formazione e assistenza dei rilevatori e ha collaborato all'implementazione del database e degli strumenti software per l'acquisizione e trasferimento dei dati. Questi ultimi sono stati realizzati da due società esterne, Telespazio S.p.A. e AlmavivA S.p.A. Ai fini della definizione di metodi e procedure per l'INFC, durante la progettazione dell'INFC2005, il CREA Centro di ricerca Foreste e Legno si è avvalso della collaborazione di molti altri soggetti di Università e Società di servizi che hanno fornito importanti contributi pubblicati nella documentazione di progetto disponibile all'indirizzo alla pagina www.inventarioforestale.org/documentazione di progetto.

# **Finalità e prodotti**

I caratteri principali dell'IFN italiano sono stabiliti dal D.M. 13/12/2001, che definisce l'inventario come un'indagine campionaria di tipo permanente, aggiornata periodicamente secondo cicli di durata non inferiore a 5 anni. L'inventario ha il compito di produrre risultati coerenti con le definizioni internazionali e con le altre rilevazioni statistiche realizzate dall'Istituto Nazionale di Statistica (ISTAT). L'IFN italiano si occupa di classificare e misurare oltre 50 variabili, sia qualitative sia quantitative. Tra le prime, quelle relative a composizione della vegetazione, origine e stadio di sviluppo, caratteristiche delle stazioni forestali, proprietà, viabilità forestale, modalità di gestione e disponibilità per il prelievo legnoso, presenza di strumenti di pianificazione e di vincoli, eventuale grado di protezione, stato di salute e presenza di fenomeni di dissesto. Le variabili quantitative riguardano la dimensione, in termini di diametro e altezza, e l'accrescimento dei soggetti di specie arboree e arbustive che superino la soglia di misura prefissata e il conteggio degli individui degli strati inferiori di vegetazione; vengono misurati, inoltre, gli alberi morti per patologie, senescenza o schianti, in piedi o atterrati, le parti di alberi cadute a terra e le ceppaie derivanti da tagli o schianti (cfr. Chap. 4). I risultati vengono prodotti a scala regionale, per le 20 regioni italiane, oltre che a scala nazionale.

Le statistiche INFC vengono utilizzate in numerosi processi di reporting nazionale e internazionale. Tra i primi, il rapporto sullo stato delle foreste e del settore forestale (RaF Italia) del Ministero delle Politiche Agricole, Alimentari e Forestali e del Turismo (MiPAAFT, 2019), l'inventario annuale delle emissioni di gas serra per l'UNFCCC e il Protocollo di Kyoto, redatto dall'Istituto Superiore per la Protezione e la Ricerca Ambientale (ISPRA, 2021), e il rapporto sul capitale naturale (Comitato Capitale Naturale, 2021). Tra i report internazionali, l'INFC contribuisce al report europeo sulla gestione sostenibile delle foreste (SoEF Europe, https://foresteurope. org/foresteurope/) e al Global FRA di UNECE-FAO (https://www.fao.org/forest-res ources-assessment/en/) (Table 1.1).

I prodotti dell'IFN italiano sono principalmente di due tipi: statistiche su base nazionale e regionale e dati elementari. Le prime sono rappresentate da stime di superficie (delle foreste, dei diversi tipi di foresta, ecc.) e da stime dei valori totali e per unità di superficie delle principali variabili quantitative che descrivono le caratteristiche delle formazioni forestali (numero di alberi, volume legnoso, biomassa e contenuto di carbonio, incremento annuo di volume e di biomassa, volume e necromassa del legno morto, ecc.). I dati elementari sono rappresentati dai valori assunti dalle variabili qualitative e quantitative nel singolo punto inventariale o per il singolo individuo (albero o arbusto) o elemento (ceppaia, frammento di legno morto) misurato. Entrambi i tipi di dati sono disponibili ad accesso aperto all'indirizzo www. inventarioforestale.org/.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 2 Definitions and Sampling Design**

# **Definizioni e disegno di campionamento**

**Patrizia Gasparini and Antonio Floris**

**Abstract** The population studied by the INFC is made up of the Forest and Other wooded land as defined by the FAO Global Forest Resources Assessment (FRA). INFC estimates are produced for the 21 Italian administrative units (the regions), the macro-categories and inventory categories and the forest types that represent the divisions of the inventory domain. This chapter illustrates the classification system adopted for the INFC and provides descriptions of the different classes. The sampling design adopted and the construction of the national 1 km × 1 km grid, on which the identification of the sampling points is based, are also illustrated. Finally, the system of reference units or plots used to operate the classifications and carry out the measurements required by the survey protocol is presented.

**Keywords** Forest definition · Forest type · Stratified sampling · Inventory grid · Sample units

# **2.1 Introduction**

The object of study in a statistical survey consists of the set of units in which one or more common characteristics are to be studied, and it is indicated by the term population. The population can be divided into study domains, i.e., its different components for which it is required to produce separate estimates (OECD, 2007). The population and its possible divisions must be identified clearly and unambiguously from the start of the survey design. The term inventory domain refers to the main object of the INFC inventory survey, which is represented by the Forest and Other wooded land as defined by the FAO Global Forest Resources Assessment (FRA) report. The divisions of the inventory domain are represented by 21 administrative units into which the Italian territory is divided. These units consist of 15 regions with ordinary statutes, 4 regions with special statutes, and the two autonomous provinces, called regions for brevity. Further divisions for which separate estimates are produced

P. Gasparini (B) · A. Floris

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: patrizia.gasparini@crea.gov.it

<sup>©</sup> The Author(s) 2022

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_2

are those relating to the inventory macro-categories and inventory categories and the forest types.

Once the population of interest and its divisions have been identified, the design of a statistical survey requires the definition of a sampling plan or sampling design, i.e., the procedure to select the units to be observed: the structure of the sample, the methods for selecting the population units, their probability of inclusion in the sample itself and the fraction or sampling rate, on which the sample size depends (Fabbris, 1989). The characteristics of the study population, called parameters, are described starting with the data collected in the sample through estimation techniques, i.e., the calculation of appropriate estimators, such as the sample mean and its variance. The set consisting of the sampling design and the estimators is called the sampling strategy (Cicchitelli et al., 1997).

This chapter describes the criteria adopted to define the inventory domain of the INFC and its divisions. The sampling design and the national grid underlying the localisation of observations and measurements on the territory are then described. These correspond with the points or plots of different shapes or sizes named in the complex sampling units, which are listed and described in the concluding part of the chapter. The estimators and the procedures used to calculate the inventory estimates are the subject of Chaps. 5 and 6.

# **2.2 Inventory Domain and Classification System**

Starting with the second Italian forest inventory INFC2005, the areas characterised by a forest cover responding to the definitions of Forest and Other wooded land elaborated on the FAO Global FRA2000 survey (FAO, 1998, 2000) were adopted as inventory domain. These definitions were then further detailed and applied in all subsequent FRAs (FAO, 2010, 2012, 2018; FAO-ITTO, 2003), becoming a reference point for the harmonisation of forest statistics on an international scale. They are based on some objective characteristics, some of which can also be evaluated from aerial photos or other remote images, given sufficient resolution, and others that require observation on the ground for checking or for accurate evaluation. Among the former, the minimum size is determined in terms of extension and width of the areas with tree-shrub cover. Among the latter, the coverage of tree species, distinct from that of shrub species, the height of the mature subjects and the land use are the determinants.

In the INFC, the two classes of Forest and Other wooded land, which together identify the inventory domain of the INFC, are called inventory macro-categories. These are divided into more detailed classes called inventory categories, some of which are distinguished based on the height of the tree species and identified to facilitate the comparison between the estimates produced by the first Italian forest inventory IFNI85 and those of the second one INFC2005. In IFNI85, in fact, the threshold for the height of the trees at maturity is 2 m. Table 2.1 shows the definitions for the inventory macro-categories and inventory categories used in the third





Italian forest inventory INFC2015. In the INFC2015 results, the inventory category of Temporarily unstocked areas, originally distinguished in the classification of vegetation by the surveyors, has been merged with that of Tall trees forest. In addition, the list of categories in Table 2.1 includes the residual category of Not accessible or not classified wooded areas, which refers to all situations not otherwise classifiable included by convention in the processing of data, in the Other wooded land macrocategory. These are formations characterised by a cover of trees and shrubs greater than 10% verified by photointerpretation, but for which a more detailed classification of the vegetation is lacking, mainly due to their inaccessibility by the surveyors.

The INFC classification system includes two further levels in addition to those described above, the forest types and subtypes, respectively, which identify the inventory domains in greater detail. The formations of the inventory categories Tall trees forest, Short trees forest, Sparse forest and Scrubland are classified according to 17 forest types, Plantations according to 3 other forest types and Shrubs according to 3 further forest types (Table 2.2). The forest types are therefore divided into subtypes, for a total number of 68 for the woods, 7 for the Plantations and 16 for the Shrubs, which are distinguished based on the dominant species or according to ecological criteria. For example, the subtypes Subalpine Norway spruce forests and Mountain Norway spruce forests are distinguished on the basis of an ecological criterion, while those of the forest type of Mediterranean pines (*Pinus pinaster* forests, *Pinus pinea* forests and *Pinus halepensis* forests) differ in species.

The forest type is assigned according to the dominant species or group of species in terms of crown coverage, the latter assessed in a neighbourhood of the inventory point with an area of approximately 2000 m2 (AdS25, cf. Chap. 4). The prevailing group of species is first determined as conifers, deciduous broadleaved or evergreen broadleaved, and then the forest type based on the prevailing species of the group, again in terms of crown coverage. In INFC2015, in the absence of a classification in the field of the forest type, the inventory point was assigned to the not classified class. The classification system with the related forest types and subtypes (Pignatti, 2003) was defined during the planning of the second Italian forest inventory and also remained unchanged in the third.

# **2.3 Sampling Design**

The design of the Italian NFI includes three sampling phases, with samples extracted according to a stratified sampling (Fattorini et al., 2006; Gasparini & Di Cosmo, 2016; Gasparini & Tabacchi, 2011). The first phase (or phase 1) consists of the preliminary classification of land use and land cover through the photointerpretation of orthophotos (cf. Chap. 3) at over 301,000 points, one for each mesh of the 1 km × 1 km grid in which the national territory has been divided (cf. Sect. 2.4). This sampling scheme is called tessellated sampling (Särndal et al., 1992). The points are positioned randomly within the meshes and therefore their distribution is of a non-aligned systematic type (Gallego, 1995). The purpose of the first phase is to









**Table 2.2** (continued)


identify the sampling points of the strata of interest for the subsequent survey phase, represented by the classes of forest land use and cover (Forest formations, Sparse forest formations, Temporarily unstocked areas and Plantations; cf. Chap. 3) and from the class of points not classifiable from orthophotos. Furthermore, for INFC2015, additional strata of interest have been identified, as described below.

The second sampling phase (or phase 2) involves a subsample of the first phase points, over 30,000, selected according to a sampling stratified by region and class of land use and land cover. The points of the second phase sample are visited on the ground, to verify the preliminary classification by photointerpretation, confirming it or not, and to assign the inventory category and the forest type. During the second phase surveys, the qualitative characteristics of forests are also evaluated and classified (cf. Chap. 4), in order to produce estimates of the distribution of the wooded area according to the different characteristics (composition by species groups, degree of coverage, silvicultural system, stage of development, management methods, presence of constraints and protected areas, characteristics of forest stations, road conditions, etc.). These will be presented in Chaps. 7, 8, 9, 10 and 11 of this volume.

The third phase strata are identified by the forest type assigned in the second phase together with the land use and cover class, and the region. For each Forest stratum, a subsample of second phase points is extracted to carry out measurements envisaged for the third sampling phase (phase 3) relating to the quantitative characteristics of forests (cf. Chap. 4). The measurements performed on approximately 7000 points produce the estimates of the totals and densities, or values per unit area, of the quantitative variables presented in Chaps. 7, 9 and 12 of this volume. These include growing stock, biomass, annual volume increment, deadwood biomass, etc., which are important for assessing the state of Italian forests and their role as a carbon pool and biodiversity reservoir.

The sampling design described above, outlined for the second Italian NFI, was also applied for INFC2015 with some adaptations. In fact, with the operational planning, the indications from the beginning of the operational structure responsible for the coordination and implementation of the INFC were incorporated. They constituted organizing the surveys in a single campaign, including as many points already detected in the previous survey as possible in order to reduce the time that the survey was on the ground and to facilitate its organization, while maintaining an unchanged quantity, quality, and level of detail of the produced estimates.

The sample for the new ground survey was then constituted by including: (i) the points of the third phase INFC2005 not affected by significant changes in land use and cover, (ii) the points of the second phase sample INFC2005 affected by significant changes and (iii) an additional sample, stratified by region, for strata consisting of new points in wooded areas and plantations and new non-classifiable points. The significant changes were highlighted by comparing two photointerpretations of INFC2005 and INFC2015 and are related to the points transited from strata of inventory interest to the stratum "other land uses" or vice versa. The outcome of the comparison is shown in Fig.2.1 for the set of 301,271 points on the national territory according to the opinion of the photo interpreters, out of a total of 301,328 points identified by the national grid (cf. Sect. 2.4).


**Fig. 2.1** Comparison between the results of the photointerpretation of land cover and use in the last two Italian national forest inventories: number of photoplots / Confronto tra i risultati della fotointerpretazione dell'uso e copertura del suolo dei due inventari forestali italiani più recenti: numero di fotopunti

The actual change from forest use and cover to other land uses was verified on a subsample of 2338 second phase points. Of these, almost half belonged to other land uses in the second phase of INFC2005, and therefore it was not necessary to carry out a further verification in the field. The remaining 1303 points were instead detected on the ground during the INFC2015 campaign or classified through a photointerpretation that included more recent images, if they were inaccessible to the surveyors. Points in the second phase sample not affected by significant changes in land use and cover represent the greatest part. For them the third phase stratum attributed during the INFC2005 surveys was considered valid and the new surveys concerned 6597 points of the third phase subsample. Finally, the extracted subsample from the new points transited in strata of inventory interest consisted of 874 points. The sampling rate for these strata is lower than that adopted for the other ones, due to the limits mentioned above. However, it was considered suitable for evaluating the actual change in land use and cover and ensured a balanced subsample compared to the overall sample of points selected for the field survey.

Overall, the INFC2015 second phase sample consisted of 30,877 points of which 8774 were classified for the qualitative characteristics during the new survey campaign or, if inaccessible, evaluated remotely or through recent orthophotos, in order to verify the land use and cover and the forest type. Of these, 6993 points were measured to estimate the quantitative characteristics and represent the third phase sample of INFC2015. The composition of the sample selected for the INFC2015 field campaign is represented in Fig. 2.2; the largest group is that of the sample units already recorded both in phase 2 and in phase 3 INFC2005, which represents more than three-quarters of the total.

The number of sample units in the three phases and the resulting sampling rates by region and at a national level are shown in Table 2.3 together with the area represented


**Fig. 2.2** Distribution of the sample selected for the INFC2015 field campaign in relation to the previous field surveys of INFC2005 / Distribuzione del campione selezionato per la campagna di rilievo INFC2015 in relazione ai precedenti rilievi in campo INFC2005

by each sample point or plot. At the national level, the sampling rate of phase 2 and phase 3 is equal to 0.26 and 0.30, respectively, and the area represented by each sample unit is 3.9 km2 for phase 2 units and 13.0 km2 for phase 3. In the second phase, the sampling rate at regional level varies little, from 0.23 for Lombardia to 0.28 for Trentino, and the area represented by each sample unit varies from 3.7 km<sup>2</sup> in Toscana to 4.6 km<sup>2</sup> in Lombardia. In the third phase, the regional sampling rate varies from 0.23 for Toscana to 0.44 for Valle d'Aosta and Molise, while the area represented by a sample unit varies from 8.7 km2 in Valle d'Aosta to 15.8 km2 in Toscana.

# **2.4 National Grid**

The grid used to subdivide the national territory into portions of equal area and identify the points of the INFC sample was built during the design of the second Italian inventory INFC2005. It contains quadrangular meshes, 1 km × 1 km, geometrically



**Table 2.3**

(continued)

#### 2 Definitions and Sampling Design 35

coupled to meridians and parallels. Such meshes, although square in plane projection only near the meridian of origin, comply everywhere with the requirement of identical area (1 km2) of each mesh (Fig. 2.3).

The WGS84 datum (DMA, 1991) was adopted for the generation of the grid nodes, due to its perfect congruence with the GNSS systems that would have been used later for finding and positioning the points in the field. After establishing a pair of geographical coordinates, ϕ0, λ0, at the South-West corner of the quadrangle which contains the whole national territory, further nodes of the grid have been generated moving 1000 m eastwards along the same parallel. Once the South-East node of the quadrangle is reached, the procedure starts again from the initial node, this time moving 1000 m North along the meridian and repeating the previous step. The procedure was repeated until the quadrangle containing the national territory was completed, ending in the last North-East node (detailed algorithms available in Floris & Scrinzi, 2011).

Intersecting the grid with the border of the national territory, the actual inventory grid was identified and consisted of 306,831 quadrilateral meshes, with side 1000 m on the ellipsoid surface. By converting the geographical coordinates of the grid nodes

**Fig. 2.3** Pieces of an ellipsoidal grid in three different zones of Italy: **a** North-Western zone, **b** along the meridian of origin, **c** South-Eastern zone. The different shape of the meshes can be observed, each having the same area / Porzioni di grigliato ellissoidico in tre zone diverse del territorio nazionale: **a** zona nord-occidentale, **b** centrale lungo il meridiano d'origine, **c** sud-orientale. Si osserva la diversa forma delle maglie, tutte aventi medesima superficie

into plane coordinates in the UTM-WGS84 reference system and recalculating the surface of each mesh with the Gauss formula for a closed polygon, deviations of less than one square metre were consistently obtained with respect to the nominal value of 1 km2.

To randomly select a sample point for each grid mesh, a pair of angular positive values δϕ, δλ has been added to the coordinates of the South-West node of each mesh in which a portion of the national territory is included (Fig. 2.4). The pair of angular values were randomly generated within the limits of 1000 m from the node itself. The sample points have again been intersected with the official national administrative borders, obtaining the final sample of 301,328 points.

The plane coordinates of the sample points have also been transformed into the reference systems UTM-ED50 and Gauss-Boaga-Roma40 (aka Italy-Monte Mario) (Cima et al., 2003) in such a way as to make the points identifiable on any kind of

**Fig. 2.4** A piece of inventory grid in plane projection, with a mesh detail, a sample point (red dot) and δϕ, δλ from the SW node / Porzione di grigliato in proiezione piana, con dettaglio di una maglia, il relativo punto di campionamento (punto rosso) e δϕ, δλ dal nodo Sud-Ovest

map or mapping tool used during the inventory surveys. As described in Chap. 3, the reference system Gauss-Boaga-Roma40 was adopted in the WebGIS platform Geoinfo and used for photointerpretation (cf. Chap. 3).

# **2.5 Reference Units for the Survey**

In this text, the term sampling unit indicates the different reference units (i.e., points and plots) used to collect information on the numerous attributes detected by the INFC in different ways and at different phases of the survey. These comply with the expected accuracy goals and are in relation to the available financial and time resources.

In the first phase for the photointerpretation of land use and land cover, the sampling unit is the sample point with an analysis window consisting of nine contiguous squares, of 50 m side, arranged according to a 3 × 3 scheme, for a total area of 22,500 m2 (Gasparini et al., 2014). The central square of the analysis window is centred on the sample point. The analysis window is functional to the assessment of the dimensional thresholds necessary for the correct application of the definition of Forest and Other wooded land adopted (cf. Sect. 2.2 and Chap. 3).

In the ground survey, besides the check of the classification of land use and land cover, many qualitative characteristics are assessed, including those related to a more detailed classification of the vegetation (Gasparini et al., 2016). The administrative and regulatory attributes, height and distance from the closest road are measured with reference to point C. Coverage of tree and shrub crowns is attributed by observing, both on the ground and in orthophotos, the central quadrant (50 × 50 m) of the analysis window used in the photointerpretation, called photoplot 2500 (FP2500). A circular area centred on point C, inscribed in the same central quadrant and with a radius of 25 m, known as the ground reference area (AdS25, area approximately 2000 m2) is the sampling unit for evaluating accessibility, descriptive characteristics of the vegetation, site characteristics, and the health status of the stand. In AdS25, further observations on qualitative characteristics related to management and silvicultural practices are also conducted (Fig. 2.5).

The third phase of INFC is mainly addressed to collect the quantitative data necessary for estimating dendrometric parameters (cf. Chap. 4). In INFC2015, the third phase measurements were carried out simultaneously with the classification of the qualitative characteristics in all points visited (cf. Sect. 2.3). Measurements are performed on circular sample plots, useful in maximising the area/perimeter ratio and reducing the number of edge elements (de Vries, 1986). Moreover, they can be easily instituted in the field by measuring the distance from the plot centre. Two concentric plots centred on point C, with a radius of 4 m and 13 m respectively (AdS4, area 50.27 m2 and AdS13, area 530.93 m2), are used to select the standing trees of different size to be measured. AdS4 is used for measuring trees with DBH between 4.5 and 9.4 cm, and AdS13 is used for trees with DBH equal or larger than 9.5 cm. Tree heights, incremental cores, deadwood lying on the ground and stumps **Fig. 2.5** Sampling units in INFC2015 and related attributes to be classified and measured, in brackets / Le unità di riferimento per i rilievi INFC2015 con indicazione degli attributi da rilevare per ciascuna di esse, tra parentesi

are measured and collected in AdS13. In addition, two circular sub-areas with a radius of 2 m (AdS2, area 12.57 m2), located 10 m eastwards and westwards from point C are dedicated to tree regeneration and shrub surveys.

# **Appendix (Italian Version)**

**Riassunto** La popolazione oggetto di studio dell'INFC è costituita dal Bosco e dalle Altre terre boscate così come definiti per il Global Forest Resources Assessment – FRA della FAO. Le statistiche INFC vengono prodotte per le 21 unità amministrative e territoriali italiane (regioni), le macrocategorie e categorie inventariali e le categorie forestali, che rappresentano ripartizioni del dominio inventariale. Il capitolo illustra il sistema di classificazione adottato per l'INFC e fornisce le descrizioni delle diverse classi. Vengono inoltre illustrati il disegno di campionamento adottato e la modalità di costruzione del reticolo nazionale 1 km × 1 km su cui si basa l'individuazione dei punti di campionamento. Infine, viene presentato il sistema di unità di riferimento (punti o aree di saggio) utilizzato per operare le classificazioni ed eseguire le misure previste dal protocollo di rilievo.

# **Introduzione**

L'oggetto di studio di un'indagine statistica, costituito dall'insieme delle unità elementari di cui si intendono osservare uno o più caratteri ad esse comuni, viene indicato con il termine popolazione. La popolazione di interesse può essere suddivisa in domini di studio, ossia le sue diverse componenti per le quali è richiesto di produrre statistiche separate (OECD, 2007). La popolazione e le eventuali ripartizioni debbono essere individuate in modo chiaro e inequivocabile fin dall'avvio della progettazione dell'indagine. Con il termine dominio inventariale si intende qui l'oggetto di indagine dell'inventario forestale nazionale italiano INFC, rappresentato dal Bosco e dalle Altre terre boscate così come definiti per il rapporto sulle risorse forestali mondiali (Global Forest Resources Assessment—FRA) della FAO. Le ripartizioni del dominio inventariale sono rappresentate dalle 21 unità amministrative in cui è suddiviso il territorio italiano, 15 Regioni a statuto ordinario, 4 Regioni a statuto speciale, e due Province autonome, chiamate regioni per brevità; altre ripartizioni per le quali vengono prodotte statistiche separate sono quelle relative alle macrocategorie e categorie inventariali e alle categorie forestali.

Una volta individuata la popolazione di interesse e le sue ripartizioni, la progettazione di una indagine statistica richiede di definire la procedura di selezione delle unità da osservare attraverso un piano o disegno di campionamento. Questo riguarda la struttura del campione, le modalità per selezionare le unità della popolazione, la loro probabilità di inclusione nel campione stesso e la frazione o tasso di campionamento, da cui dipende la numerosità del campione (Fabbris, 1989). Le caratteristiche della popolazione di studio, dette parametri, vengono descritte a partire dai dati raccolti nel campione attraverso le tecniche di stima, ossia il calcolo di opportuni stimatori, quali ad esempio la media e la relativa varianza campionaria. L'insieme costituito dal piano di campionamento e dagli stimatori viene detto strategia campionaria (Cicchitelli et al., 1997).

Il capitolo descrive i criteri adottati per definire il dominio inventariale dell'INFC e le sue ripartizioni. Vengono quindi descritti il piano di campionamento e il reticolo nazionale alla base della localizzazione sul territorio di osservazioni e misure. Le stesse vengono condotte in corrispondenza di punti o di aree di forma o dimensione diversa denominate nel complesso unità di campionamento, che vengono elencate e descritte nella parte conclusiva del capitolo. Gli stimatori e le procedure utilizzate per il calcolo delle stime inventariali sono invece oggetto dei Chaps. 5 e 6.

# **Dominio inventariale e sistema di classificazione**

A partire dal secondo inventario forestale nazionale italiano INFC2005, il dominio inventariale corrisponde all'insieme delle aree caratterizzate da una copertura forestale rispondente alle definizioni di Foresta e di Altre terre boscate elaborate per l'indagine FAO Global FRA2000 (FAO, 1998, 2000). Tali definizioni sono state in seguito ulteriormente dettagliate e applicate in tutti i successivi FRA (FAO, 2010, 2012, 2018; FAO-ITTO, 2003), divenendo un punto di riferimento per l'armonizzazione delle statistiche forestali a scala internazionale. Esse si basano su alcune caratteristiche oggettive, alcune delle quali valutabili anche su foto aeree o altre immagini da remoto, purché a risoluzione sufficiente, e altre che richiedono l'osservazione al suolo per una conferma o per la corretta valutazione. Tra le prime, la dimensione minima in termini di estensione e larghezza delle aree con copertura arboreo-arbustiva. Tra le seconde, la copertura delle specie arboree, distinta da quella delle specie arbustive, l'altezza dei soggetti a maturità e l'uso del suolo.

Nell'INFC le due classi Bosco e Altre terre boscate, che insieme individuano il dominio inventariale, vengono denominate macrocategorie inventariali. Queste sono ripartite in classi di maggiore dettaglio chiamate categorie inventariali, alcune delle quali distinte per lo sviluppo in altezza dei soggetti di specie arboree, allo scopo di facilitare il confronto tra le stime del primo inventario forestale italiano IFNI85 e quelle del secondo inventario INFC2005. In IFNI85, infatti, la soglia per l'altezza delle piante a maturità è di 2 m. La Table 2.1 riporta le definizioni per le macrocategorie e le categorie inventariali utilizzate nel terzo inventario italiano INFC2015. Ai fini della trattazione dei risultati INFC2015 la categoria inventariale delle Aree temporaneamente prive di soprassuolo, originariamente distinta in sede di classificazione della vegetazione da parte dei rilevatori, è stata accorpata a quella dei Boschi alti. Inoltre, l'elenco delle categorie in Table 2.1 include la categoria residuale delle Aree boscate inaccessibili o non classificate, che si riferisce a tutte le situazioni non altrimenti classificabili incluse per convenzione, in sede di elaborazione dei dati, nelle Altre terre boscate. Si tratta di formazioni caratterizzate da una copertura arboreo-arbustiva superiore al 10% verificata da fotointerpretazione, ma per le quali manca una classificazione di maggiore dettaglio della vegetazione, principalmente a causa della loro totale inaccessibilità per i rilievi.

Il sistema di classificazione INFC prevede ulteriori due livelli oltre a quelli sopra descritti, rispettivamente delle categorie e sottocategorie forestali, che individuano i domini inventariali di maggiore dettaglio. Le formazioni delle categorie inventariali dei Boschi alti, dei Boschi bassi, dei Boschi radi e delle Boscaglie vengono classificate secondo 17 categorie forestali, gli Impianti di arboricoltura da legno secondo 3 categorie forestali e gli Arbusteti secondo ulteriori 3 categorie (Table 2.2). Le categorie forestali si articolano quindi in sottocategorie, in numero totale di 68 per i boschi, 7 per gli Impianti e 16 per gli Arbusteti, distinte sulla base della specie dominante o secondo criteri ecologici. Ad esempio, le sottocategorie Peccete subalpine e Peccete montane per i Boschi di abete rosso sono distinte sulla base di un criterio ecologico, mentre quelle della categoria delle Pinete mediterranee si differenziano per la specie (pino marittimo, pino domestico o d'Aleppo).

La categoria forestale viene assegnata in funzione della specie o del gruppo di specie dominanti in termini di copertura, quest'ultima valutata in un intorno del punto inventariale di superficie di circa 2000 m<sup>2</sup> (AdS25, cfr. Chap. 4). Dapprima viene determinato il gruppo di specie prevalente, se conifere, latifoglie decidue o latifoglie sempreverdi, e successivamente la categoria forestale in base alla o alle specie prevalente/i del gruppo, sempre in termini di copertura delle chiome. In INFC2015, in mancanza di una classificazione in campo della categoria forestale, il punto inventariale è stato assegnato alla classe non classificato. Il sistema di classificazione e le relative categorie e sottocategorie forestali (Pignatti, 2003) è stato definito in occasione della progettazione del secondo inventario italiano ed è stato mantenuto invariato anche nel terzo.

# **Disegno di campionamento**

Il disegno dell'INFC comprende tre fasi di campionamento, con campioni estratti secondo un campionamento stratificato (Fattorini et al., 2006; Gasparini & Di Cosmo, 2016; Gasparini & Tabacchi, 2011). La prima fase (o fase 1) consiste nella classificazione preliminare dell'uso e copertura del suolo attraverso la fotointerpretazione di ortofoto (cfr. Chap. 3) in corrispondenza di oltre 301,000 punti (punti di campionamento o punti inventariali), individuati in numero di uno per ciascuna maglia del reticolo 1 km × 1 km con cui è stata suddivisa la superficie nazionale (cfr. Sect. 2.4). Tale schema di campionamento viene definito tessellated sampling (Särndal et al., 1992). I punti sono posizionati entro le maglie con modalità casuale e perciò la loro distribuzione risulta di tipo sistematico non allineato (Gallego, 1995). Lo scopo della prima fase è quello di individuare i punti appartenenti agli strati di interesse per la fase di rilievo successiva, rappresentati dalle classi di uso e copertura forestale (Formazioni forestali, Formazioni forestali rade, Aree temporaneamente prive di soprassuolo e Impianti di arboricoltura da legno; cfr. Chap. 3) e dalla classe dei Punti non classificabili da ortofoto. Per l'INFC2015, inoltre, sono stati individuati ulteriori strati di interesse, come descritto nel seguito. La seconda fase di campionamento (o fase 2) interessa un sotto-campione dei punti di prima fase, oltre 30,000, selezionati secondo un campionamento stratificato per regione e classe di uso e copertura del suolo. I punti del campione di seconda fase vengono visitati al suolo, allo scopo di verificare la classificazione preliminare da fotointerpretazione, confermandola o meno, e assegnare la categoria inventariale e la categoria forestale. Durante i rilievi di seconda fase vengono inoltre valutati e classificati i caratteri qualitativi delle formazioni forestali (cfr. Chap. 4), allo scopo di produrre le stime della ripartizione della superficie forestale secondo le diverse caratteristiche (composizione per gruppi di specie, grado di copertura, tipo colturale, stadio di sviluppo, modalità di gestione, presenza di vincoli ed aree protette, caratteristiche delle stazioni forestali, condizioni della viabilità, ecc.) presentate in Chaps. 7, 8, 9, 10 e 11 del presente volume. La categoria forestale assegnata in seconda fase insieme all'uso e copertura del suolo e alla regione di appartenenza individuano gli strati di campionamento della terza fase (o fase 3). Per ciascuno degli strati appartenenti al Bosco viene estratto un sottocampione dei punti di seconda fase su cui eseguire i rilievi di maggiore dettaglio, relativi ai caratteri quantitativi (cfr. Chap. 4). Le misure eseguite in terza fase su circa 7000 punti consentono di produrre le stime dei totali e delle densità, o valori per unità di superficie, delle variabili quantitative (volume, fitomassa, incremento annuo di volume, necromassa, ecc.) presentate in Chaps. 7, 9 e 12 del presente testo, importanti per valutare lo stato del patrimonio forestale italiano e il suo ruolo quale serbatoio di carbonio e riserva di biodiversità.

Il disegno di campionamento sopra descritto, delineato in occasione della progettazione di INFC2005, è stato applicato con alcuni adattamenti anche per INFC2015. Con la progettazione operativa, infatti, furono recepite le indicazioni provenienti sin dall'inizio dalla struttura operativa responsabile del coordinamento e della realizzaziobe dell'INFC di organizzare i rilievi in un'unica campagna, includendo il maggior numero possibile di punti già rilevati nella precedente indagine, allo scopo di ridurre i tempi del rilievo al suolo e facilitarne l'organizzazione, pur mantenendo invariati la quantità, qualità e il livello di dettaglio delle statistiche prodotte.

Il campione di punti per i nuovi rilievi al suolo è stato quindi costituito includendo: (i) tutti i punti della terza fase INFC2005 non interessati da cambiamenti significativi dell'uso e copertura del suolo, (ii) i punti del campione di seconda fase INFC2005 interessati da cambiamenti significativi e (iii) un ulteriore campione, stratificato per regione, per gli strati costituiti da nuovi punti in aree boscate e impianti di arboricoltura da legno e da nuovi punti non classificabili. I cambiamenti significativi sono stati evidenziati dal confronto tra la fotointerpretazione di INFC2005 e quella di INFC2015 e sono relativi ai punti transitati da strati di interesse inventariale allo strato "altri usi del suolo" o viceversa. L'esito del confronto tra i risultati delle due sessioni di fotointerpretazione è riportato in Fig. 2.1 per l'insieme dei 301,271 punti ricadenti sul territorio nazionale secondo il giudizio dei fotointerpreti, sul totale di 301,328 punti individuati dal reticolo nazionale (cfr. Sect. 2.4). L'effettivo cambiamento da uso e copertura forestale ad altri usi del suolo è stato verificato su un sotto-campione di punti di seconda fase costituito da 2338 punti. Di questi, quasi la metà era risultata appartenere ad altri usi del suolo già nella seconda fase INFC2005 e pertanto non è stato necessario procedere ad una ulteriore verifica in campo. I rimanenti 1303 punti sono stati invece rilevati al suolo nel corso della campagna INFC2015 oppure classificati attraverso una ulteriore fotointerpretazione, su immagini più recenti, qualora inaccessibili per i rilevatori. I punti del campione di seconda fase non interessati da cambiamenti significativi dell'uso e copertura rappresentano la parte numericamente più consistente. Per essi è stato considerato valido lo strato di terza fase attribuito nel corso dei rilievi INFC2005 e i nuovi rilievi hanno riguardato 6597 punti del sottocampione di terza fase. Il sotto-campione estratto per i nuovi punti transitati in strati di interesse inventariale, infine, è costituito da 874 punti. Il tasso di campionamento per questi strati è inferiore a quello adottato per gli altri strati, a causa dei limiti sopra ricordati, ma è stato ritenuto idoneo per valutare l'effettivo cambiamento dell'uso e copertura del suolo e allo stesso tempo assicurare una ripartizione equilibrata del campione complessivo di punti interessato dai rilievi.

Complessivamente, il campione di seconda fase INFC2015 è costituito da 30,877 punti di cui 8774 sono stati classificati per i caratteri qualitativi durante la campagna di rilievo o, se inaccessibili, valutati a distanza o mediante ortofoto recenti, allo scopo di verificare l'uso e copertura del suolo e la categoria forestale. Di questi, 6993 punti sono stati oggetto di misure per la stima dei caratteri quantitativi e costituiscono il campione di terza fase INFC2015. La composizione del campione selezionato per la campagna di rilievo INFC2015 è illustrata in Fig. 2.2; il gruppo più numeroso è quello delle unità campionarie già rilevate sia in fase 2 sia in fase 3 INFC2005, che rappresenta oltre i tre quarti del totale.

La numerosità delle unità campionarie nelle tre fasi e i tassi di campionamento risultanti per regione e a livello nazionale sono riportati in Table 2.3 unitamente alla superficie rappresentata da ciascun punto o area di saggio inventariale. A livello nazionale, il tasso di campionamento di fase 2 e di fase 3 è rispettivamente pari a 0.26 e 0.30 e la superficie rappresentata da ciascuna unità di campionamento è di 3.9 km<sup>2</sup> per la fase 2 e 13.0 km2 per la fase 3. Nella seconda fase, il tasso di campionamento a livello regionale varia di poco, da 0.23 per la Lombardia a 0.28 per il Trentino, e la superficie rappresentata da ciascuna unità di campionamento varia da 3.7 km<sup>2</sup> in Toscana a 4.6 km2 in Lombardia. Nella terza fase il tasso di campionamento regionale varia da 0.23 per la Toscana a 0.44 per Valle d'Aosta e Molise, mentre la superficie rappresentata da una unità di campionamento varia da 8.7 km2 in Valle d'Aosta a 15.8 km2 in Toscana.

# **Il reticolo nazionale**

Il reticolo impiegato per suddividere il territorio nazionale in porzioni di uguale superficie e individuare quindi i punti del campione INFC è stato generato in occasione della progettazione del secondo inventario forestale italiano INFC2005. Si tratta di un reticolo a maglie quadrangolari, di dimensione 1 km × 1 km, geometricamente agganciate a meridiani e paralleli; tali maglie, pur avendo forma quadrata in proiezione piana solo in prossimità del meridiano di origine, hanno ovunque una superficie identica, pari a 1 km2 (Fig. 2.3).

Per la generazione dei nodi del reticolo è stato adottato il datum WGS84 (DMA, 1991), per la sua perfetta congruenza con i sistemi GNSS che sarebbero stati impiegati in seguito per l'identificazione e il posizionamento dei punti in campo. Stabilite delle coordinate geografiche di origine (emanazione) in detto sistema, ϕ0, λ0, nello spigolo Sud-Ovest del quadrilatero che contiene tutto il territorio nazionale, ulteriori nodi del reticolo sono stati generati muovendosi verso Est lungo lo stesso parallelo con passo di 1000 m. Giunti nel nodo a Sud-Est del quadrilatero, la procedura riparte dal nodo iniziale di emanazione, spostandosi questa volta di 1000 m a Nord lungo il meridiano e ripetendo il passo precedente. La procedura è stata reiterata fino alla completa copertura del quadrilatero di contenimento del territorio nazionale, terminando nel nodo a Nord-Est (dettagli degli algoritmi disponibili in Floris & Scrinzi, 2011). Intersecando il reticolo così ottenuto con la superficie del territorio nazionale, è stato individuato il reticolo inventariale vero e proprio, costituito da 306,831 maglie quadrangolari di lato 1000 m sulla superficie ellissoidica. Convertendo le coordinate geografiche dei nodi del reticolo in coordinate piane nel sistema di riferimento UTM-WGS84 e ricalcolando la superficie di ciascuna maglia con la formula di Gauss per una poligonale chiusa, si sono ottenuti sempre scostamenti inferiori al metro quadro, nel confronto con il valore atteso di 1 km2.

Al fine di determinare le coordinate dei punti di campionamento, in numero di uno per maglia del reticolo, al nodo Sud-Ovest di ciascuna maglia in cui fosse compresa una porzione del territorio nazionale è stata associata una coppia di valori angolari positivi δϕ e δλ generati casualmente entro i limiti di 1000 m dal nodo stesso (Fig. 2.4). I punti di campionamento sono stati nuovamente intersecati con i limiti amministrativi nazionali ufficiali, ottenendo il campione definitivo di 301,328 punti. Le coordinate piane dei punti di campionamento sono state trasformate anche nei sistemi di riferimento UTM-ED50 e Gauss-Boaga-Roma40 (Cima et al., 2003), in modo da rendere i punti individuabili su qualsiasi supporto cartografico, cartaceo o digitale, in uso durante i rilievi inventariali. In particolare, il sistema di riferimento Gauss-Boaga-Roma40 è quello adottato nella piattaforma GeoInfo, utilizzata per la fotointerpretazione (cfr. Chap. 3).

# **Le unità di riferimento per i rilievi**

Con il termine unità di campionamento vengono indicate, in questo testo, le diverse unità di riferimento (punti e aree) dove acquisire le informazioni sui numerosi attributi rilevati dall'INFC, con diverse modalità di rilievo e in fasi diverse dell'indagine, rispettando i previsti obiettivi di accuratezza e in relazione alle risorse, materiali e di tempo, a disposizione.

Il riferimento della fotointerpretazione di prima fase, finalizzata alla classificazione di uso e copertura del suolo, è il punto di campionamento con relativo intorno di analisi costituito da nove quadrati contigui, ciascuno avente 50 m di lato, disposti secondo uno schema 3 × 3, per un'area totale di 22,500 m2 (Gasparini et al., 2014). Il quadrato centrale dello schema è centrato sul punto di campionamento. L'intorno di analisi è funzionale alla valutazione dei requisiti dimensionali necessari per la corretta applicazione delle definizioni di Bosco e di Altre terre boscate adottate (cfr. Sect. 2.2 e Chap. 3).

In campo, oltre alla verifica della classificazione di uso e copertura del suolo, vengono rilevati molti caratteri di tipo qualitativo, tra cui quelli necessari alla classificazione di maggior dettaglio del tipo di vegetazione (Gasparini et al., 2016). Gli attributi di tipo amministrativo e normativo, la quota e la distanza dalla viabilità vengono rilevati con riferimento al punto C. Il grado di copertura delle chiome di alberi e arbusti viene attribuito osservando, sia sul terreno che su ortofoto, il quadrante centrale (50 × 50 m) dell'intorno di analisi utilizzato in fotointerpretazione di fase 1, chiamato photoplot 2500 (FP2500). Un'area circolare avente per centro il punto C, inscritta nel medesimo quadrante centrale e con raggio pari a 25 m, denominata AdS25 e con superficie di circa 2000 m2, è invece l'unità di campionamento per il rilievo dell'accessibilità, dei caratteri descrittivi della vegetazione, delle caratteristiche stazionali e dello stato di salute del soprassuolo. In AdS25 vengono acquisite anche le osservazioni sui caratteri qualitativi inerenti alla gestione e alla selvicoltura (Fig. 2.5).

La terza fase INFC è deputata principalmente all'acquisizione di dati quantitativi necessari alla stima delle grandezze dendrometriche. In INFC2015 la terza fase di rilievi è stata eseguita contestualmente alla classificazione ex novo dei caratteri qualitativi in tutti i punti visitati (cfr. Sect. 2.3). I rilievi dendrometrici vengono eseguiti su aree di saggio di forma circolare utili per massimizzare il rapporto area/perimetro e ridurre il numero di elementi limite (de Vries, 1986), che possono essere facilmente materializzate in campo attraverso la semplice verifica della distanza dal punto centrale. Vengono istituite due aree concentriche aventi come centro il punto C, con raggio rispettivamente di 4 m (AdS4, superficie pari a 50.27 m2) e 13 m (AdS13, superficie pari a 530.93 m2). AdS4 viene utilizzata per le misure sui soggetti aventi d1.30 compreso tra 4.5 e 9.4 cm, AdS13 per le misure sui soggetti con d1.30 maggiore o uguale a 9.5 cm. In AdS13 vengono eseguiti anche i rilievi delle altezze degli alberi, il prelievo delle carote incrementali, le misure sul legno morto a terra e sulle ceppaie. Vengono inoltre istituite due sotto-aree circolari aventi raggio di 2 m (AdS2, superficie pari a 12.57 m2), con centro a 10 m dal punto C in direzione Est e Ovest, dedicate ai rilievi della rinnovazione e delle specie arbustive.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 3 Land Use and Land Cover Photointerpretation**

# **Fotointerpretazione dell'uso e copertura del suolo**

# **Maria Rizzo and Patrizia Gasparini**

**Abstract** Most national forest inventories use remote sensing data, mainly aerial photos and orthophotos, for the preliminary classification of land use and cover in the inventory points, also for the purpose of estimating the forest area. The classification of land use and land cover during the first phase of the third Italian forest inventory INFC2015 was carried out by interpreting 4-band digital orthophotos (RGB colors and near infrared) in over 301,000 points located on a grid with quadrangular meshes of 1 km2. The classification system adopted includes three hierarchical levels, of which the first corresponds to the same level of the European CORINE Land Cover system and the subsequent ones aimed at highlighting the classes of inventory interest, for the subsequent stratification of the sample of points to be surveyed on the ground. A rigorous quality control procedure was implemented, during the photointerpretation and its conclusion, in order to assess the accuracy of the classifications and the extent of changes to and from forest land use and land cover.

**Keywords** Land cover classification · WebGIS · Land use categories · Visual interpretation · Quality assurance

# **3.1 Introduction**

Aerial photographs have been and continue to be a widely used source of information in the forestry sector (Hall, 2003; Howard, 1991). Currently, remote sensing is used in most countries that conduct large-scale inventories. Many forest inventories use remote sensing images such as aerial photos, orthophotos and satellite images for the classification of land use and land cover at the sampling points in order to select the points to be later detected on the ground or for estimation of the forest area, at least preliminarily. Some inventories also use aerial photos to acquire data on the characters of forest formations (Tomppo et al., 2010).

M. Rizzo (B) · P. Gasparini

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: maria.rizzo@crea.gov.it

<sup>©</sup> The Author(s) 2022

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_3

In the first inventory phase, the Italian national forest inventory INFC uses orthophotos for the preliminary classification of land use and cover to stratify the sample to be used for the field surveys of the two following sampling phases (cf. Chap. 2). The classification carried out during the first inventory phase of the third inventory INFC2015 also allowed a preliminary estimate of the changes relating to the forest use and cover that have occurred since the previous inventory survey, useful for reporting purposes at the end of the first commitment period of the Kyoto Protocol.

After some hints on the characteristics of aerial photos and orthophotos and on the photo interpretation process (Sect. 3.2), the chapter illustrates the land use and cover classification system adopted for INFC (Sect. 3.3) and the tools and procedure used in the first phase of INFC2015 (Sect. 3.4). Finally, the chapter describes the set of controls used to evaluate the quality of the data resulting from the classification of photo interpreters (Sect. 3.5).

# **3.2 Materials and Methods for Photointerpretation of Land Use and Cover**

The quality of digital images (and the use that can be made of them) primarily depends on their resolution, which is divided into spatial or geometric, spectral, radiometric and temporal resolution (Brivio et al., 2006). Spatial resolution is linked to the size of the elementary area on the ground where the electromagnetic energy is detected, that is to the size of the pixels. The spectral resolution indicates the number and width of the spectral bands (wavelength intervals) in which an image is acquired.<sup>1</sup> Radiometric resolution is given by the minimum difference in electromagnetic energy detectable by the sensors on the photographed surfaces. Finally, temporal resolution indicates the time interval between two successive shots of the same area.

Orthophotos simultaneously provide a photographic and cartographic representation of the territory. They are obtained through geometric correction (orthorectification) and georeferencing of digital aerial photos or previously digitized frames. Orthorectification entails straightening and projection on the horizontal plane of the images, in order to allow a correct representation on the plane of distances, angles and surfaces. Georeferencing allows each point of the territory represented by the orthophoto to be associated with its position in space, referable to a system of geographic or plane coordinates (Gasparini et al., 2014).

The interpretative process of an orthophoto, or any remotely sensed image, is characterised by the presence of two fundamental phases: (a) examination, recognition

<sup>1</sup> In digital images, all visible colors are represented by additive synthesis of the three basic colors red, green and blue (R, G, B). The portions of the electromagnetic spectrum outside these regions are not visible to the human eye. To make them visible, they are assigned to one of the three basic colors. The most frequent example is that of near infrared (nIR), a particularly important region in the study of vegetation, which is assigned to the red band, transferring the red band to green and the green band to blue, thus giving up the information contribution of the blue band.

and, if necessary, measurement of the elements in the image; (b) the formulation of deductive and inductive reasoning, based on the observations made, in order to classify what is represented in the image (Dainelli, 2011). Knowledge of the landscape and its characteristic elements is crucial for effective photointerpretation. The classification is based on the analysis of spatial (localisation, association), spectral (color, tone) and geometric (shape, size) characters. Photointerpreters are recommended to proceed first with a broad observation of the territorial context, based mainly on the analysis of the shape and size of the different elements or polygons and their arrangement in space, defined as structure or pattern. The individual elements are recognizable on the image based on the brightness and intensity of the color, the texture given by micro-changes in the distribution of color tones, and their shapes and sizes. The presence of shadows on an image plays a double role, and they can act as a disturbing element or as a contribution to photointerpretation. This presents an obstacle, especially when large portions of the territory are obscured, but it can also provide important clues for identifying the vertical profile and the height of the elements to be interpreted, facilitating, for example, the distinction between trees and shrubs.

# **3.3 Classification System**

The land use and land cover classification system used for the first INFC phase (Table 3.1) includes three hierarchical levels, the first corresponding to the same level of the CORINE Land Cover classification system (European Commission, 1993) and the following two aimed at further detailing the classes of greatest interest to produce the inventory statistics (Gasparini & Di Cosmo, 2016). The first level is divided into the five main classes of the CORINE Land Cover system (Artificial surfaces, Agricultural areas, Forest and semi-natural areas, Wetlands, Water bodies), from which it differs for the inclusion of *Castanea sativa* forests for fruit production and pastures in the class Forest and semi-natural areas rather than in Agricultural areas. The second level of INFC classification includes 12 subclasses, of which two (Plantations for timber and wood production and Woodland) are of interest for the subsequent sampling phases, together with the residual class of non-classifiable points. The third level of classification is present only for the subclass Woodland, which is divided into three further subclasses on the basis of coverage thresholds of tree and shrub species consistent with the definitions of Forest and Other wooded land and used since 2000 for the Global Forest Resources Assessment (FRA) (FAO, 2001) and adopted for INFC (cf. Chap. 2).

The classification system for the INFC2015 photointerpretation has remained unchanged compared to the second Italian forest inventory INFC2005, to allow the comparison between the results of the two photointerpretations and highlight the significant changes to and from the subclasses of inventory interest. The only difference concerns the introduction, for the Agricultural areas class, of the new subclass of Fruit plantations, which includes orchards, vineyards and olive groves.


**Table 3.1** Classification scheme adopted for the INFC photointerpretation of land use and cover / Schema di classificazione adottato per la fotointerpretazione dell'uso e copertura del suolo nell'INFC

For a detailed description of the photointerpretation classes and instructions for their identification on the orthophotos, refer to the Photointerpretation Manual (Gasparini et al., 2014).

# **3.4 Classification Tools and Procedure**

The classification of land use and land cover for the more than 301,000 inventory points constituting the INFC first phase sample was performed through photointerpretation of digital orthophotos on a dedicated WebGIS platform called GeoInfo, developed by the AlmavivA company with the collaboration of Telespazio (Gasparini et al., 2020). The platform allows operators to view orthophotos (Fig. 3.1) and other useful information layers, such as administrative limits, roads, toponymy, hydrographic network, altitude bands, state nature reserves and areas covered by fires, as

#### 3 Land Use and Land Cover Photointerpretation 53

**Fig. 3.1** Viewing of orthophotos on the WebGIS platform GeoInfo / Visualizzazione di ortofoto sulla piattaforma WebGIS GeoInfo

well as to acquire the classifications of the photo interpreters and store the data in a national central archive.

The INFC2015 photointerpretation was conducted on digital orthophotos in color and infrared-false color (RGB + nIR) with a resolution of 50 cm derived from the 2010–2012 AGEA coverage. To solve doubtful cases, the photointerpreters could also consult the digital color orthophotos of equal resolution derived from the AGEA 2007–2009 coverage, and orthophotos with a resolution of 1 m of the 1999–2005 coverage. The latter, used by photointerpreters in the first phase of the second inventory INFC2005, were used to evaluate any significant changes in use and land cover that occurred subsequently, through the visual comparison of the images referring to the two different periods.

The first phase of INFC2015 was conducted by about 50 photointerpreters, partly from the State Forestry Corps and partly from the Forest Services of the regions with special statutes, and the autonomous provinces, suitably instructed and trained through a specific training course.

The INFC classification procedure consists of assigning each sample point to the class and subclass of land use and cover of the polygon in which the point falls, after checking whether or not the minimum dimensional thresholds are exceeded. The polygon represents a homogeneous area for land use and cover, having an area greater than 0.5 ha and a width greater than 20 m. Limited to polygons characterised by a cover of trees or shrubs, the photointerpreter verifies also whether or not the minimum coverage thresholds are exceeded (if tree species, 10% for Forest and 5% for Sparse forest categories, and if shrubs species 10% for Shrubs category) in accordance with the definition adopted for the inventory domain (cf. Chap. 2). An additional 40% coverage threshold, relating to the herbaceous component, is used to distinguish the subclass Grasslands, pastures and uncultivated areas from that of Open areas with little or no vegetation. Sample points falling in smaller polygons,

**Fig. 3.2** Analysis window, grid and measuring tools on the WebGIS GeoInfo / Intorno di analisi, griglia e strumenti di misura nel WebGIS GeoInfo

with an area between 500 and 5000 m<sup>2</sup> or, if elongated, with a width between 3 and 20 m, are assigned to the land use and cover class of the nearest polygon that respects the minimum area and width thresholds indicated above, 0.5 ha and 20 m, respectively. In these cases, the presence of an 'included polygon' and its land use and land cover are also recorded.

The WebGIS GeoInfo automatically manages the sequence of operations for photointerpretation, proposing to the operators the points to be classified and allowing verification of the minimum thresholds through the display of an analysis window (cf. Chap. 2), a grid and tools to measure distances and surfaces (Fig. 3.2) (Gasparini et al., 2021). The analysis window, consisting of nine contiguous squares of 50 m side for a total area of 22,500 m2 and centred on the sample point, allows for visual estimation of the extension and width of the homogeneous polygons identified. The grid of points spaced 10 m apart, on the other hand, enables quick and objective evaluation of the crown cover degree by counting the points that intercept trees or shrubs crowns.

For details on classification procedures and any specific cases, refer to the Photointerpretation Manual (Gasparini et al., 2014).

# **3.5 Quality Controls of the Photointerpretation**

Land cover classification by visual interpretation of aerial photos always involves a certain degree of subjectivity, and the experience of the photointerpreters plays an important role in determining the quality of the result (Strand et al., 2002). Subjectivity should be limited as much as possible in order to obtain comparable classifications. The implementation of a quality control procedure during the photointerpretation activity and at its conclusion is fundamental, both to evaluate the uniformity of judgment by the photointerpreters and the reproducibility of the classification, and to evaluate the accuracy of the classification made.

The data quality assurance (QA) procedures implemented for the first INFC phase aimed at checking non-sampling errors due to measurement errors (during the verification of polygons minimum extension and width thresholds and of tree and shrub cover), or to an incorrect understanding of the rules of interpretation of the images by the photointerpreters. The control procedure is based on the identification of quality objectives (MQOs, Measurement Quality Objectives) and quality limits (DQLs, Data Quality Limits), respectively corresponding to incorrect classifications or tolerable measurement errors and the relative maximum permissible thresholds (Gasparini et al., 2009). The MQOs related to tolerable incorrect classifications for the QA of INFC2015 are reported in Table 3.2. In regard to the minimum surface and width thresholds, measurement errors of 200 m2 and 2 m, respectively, for the polygons and of 50 m2 and 1 m, respectively, for the included polygons were considered tolerable. For the crown coverage, errors up to 2.8% and 5.5% were considered tolerable for tree or shrub coverage and herbaceous coverage, respectively, values corresponding to one point and two points of the grid used (cf. Chap. 4). Table 3.3 shows the DQLs for the different land use and cover classes, established according to the importance of the individual classes and subclasses and the relative difficulty of recognition on orthophotos. The greater the importance of a class or subclass, the higher its DQL and the lower the percentage threshold of admissible errors; on the contrary, the greater the classification difficulty of a class or subclass, the lower its DQL and the higher the percentage threshold of admissible errors.

The QA activity during photointerpretation was carried out through the reclassification of a certain number of randomly selected points by a group of expert operators of the CREA Research Centre for Forestry and Wood, who took on the role of reference operators. The CREA operators also used the GeoInfo platform for the classification of the points. However, the results of the classification, which had been previously performed by the photointerpreters, were not made available to them. Later, the reference operator compared his own classification with that of the photointerpreter and, if there were discrepancies, assessed whether they were admissible based on measurement or classification errors deemed tolerable according to the MQOs. A specially implemented IT platform, accessible from the intranet of CREA Research Centre for Forestry and Wood, was used by internal operators in charge of periodic and final checks to record the identification code of the points concerned

**Table 3.2** Admitted misclassifications of the land use and cover in the photointerpretation during INFC2015 first phase / Tolleranze di classificazione dell'uso e copertura del suolo nella fotointerpretazione della prima fase INFC2015



**Table 3.2** (continued)

and the results of the checks. In total, checks were performed on 9766 points during the photointerpretation, equal to 3.2% of the points of the INFC sample.

In addition to the on-going checks described above, final checks for approval were carried out on a randomly selected subsample of the inventory points per region. The final checks covered 2% of the inventory points in each region. Subsequently, for three regions which had not reached the DQLs for the subclasses of greatest interest, a partial revision of the classification was conducted and a new control was carried out on a further 2% of the sampling points. The results of the final checks for Woodland (Table 3.4) show that the classification discrepancy between photointerpreters and reference operators affects 2.1% of the points at national level, and percentages were always lower than the maximum threshold of 5% in all regions.

During the classification activity, a further blind check was conducted on a random subsample of inventory points, which were assigned simultaneously to two photo interpreters from the same region without their knowledge. The results of the blind check will be used for subsequent analyses aimed at any modification of the classification system.


**Table 3.3** Data Quality Limits (DQLs) for the photointerpretation in the INFC2015 first phase / Limiti di Qualità (DQLs) per la fotointerpretazione della prima fase INFC2015


**Table 3.3** (continued)

# **Appendix (Italian Version)**

**Riassunto** La maggior parte degli inventari forestali nazionali utilizza dati telerilevati, principalmente foto aeree e ortofoto, per la classificazione preliminare dell'uso e copertura del suolo nei punti inventariali, anche ai fini della stima della superficie forestale. La classificazione dell'uso e copertura del suolo durante la prima fase del terzo inventario forestale italiano INFC2015 è stata effettuata mediante interpretazione di ortofoto digitali a 4 bande (colori RGB e infrarosso vicino) in oltre 301,000 punti localizzati su un reticolo a maglie quadrangolari di 1 km2. Il sistema di classificazione adottato prevede tre livelli gerarchici, di cui il primo corrispondente all'analogo livello del sistema europeo CORINE Land Cover e i successivi finalizzati ad evidenziare le classi di interesse inventariale, per la successiva stratificazione del campione di punti da rilevare al suolo. Nel corso della fotointerpretazione e alla sua conclusione è stata attuata una rigorosa procedura di controllo della qualità, allo scopo di valutare l'accuratezza delle classificazioni e l'entità dei cambiamenti da e verso l'uso e copertura forestale.

# **Introduzione**

Le fotografie aeree sono state e continuano ad essere una fonte di informazione ampiamente utilizzata nel settore forestale (Hall, 2003; Howard, 1991). Attualmente, il telerilevamento è utilizzato nella maggior parte dei Paesi che realizzano inventari su ampia scala. Molti inventari forestali utilizzano immagini telerilevate quali foto aeree, ortofoto e immagini satellitari per la classificazione dell'uso e copertura del suolo in corrispondenza dei punti di campionamento, allo scopo di selezionare i punti da rilevare successivamente al suolo o per la stima, almeno preliminare, della superficie forestale. Alcuni inventari utilizzano le foto aeree anche per acquisire dati sui caratteri delle formazioni forestali (Tomppo et al., 2010).


L'inventario forestale nazionale italiano INFC prevede l'uso di ortofoto per la classificazione preliminare dell'uso e copertura del suolo, nella prima fase inventariale, ai fini della stratificazione del campione da impiegare per i rilievi in campo delle due successive fasi di campionamento (cfr. Chap. 2). La classificazione effettuata durante la prima fase inventariale del terzo inventario INFC2015 ha consentito anche una stima preliminare dei cambiamenti relativi all'uso e copertura forestale intercorsi dalla precedente indagine inventariale, utile ai fini delle rendicontazioni a conclusione del primo periodo di impegno del Protocollo di Kyoto.

Dopo alcuni cenni sulle caratteristiche di foto aeree ed ortofoto e sul processo di fotointerpretazione (Sect. 3.2), il capitolo illustra il sistema di classificazione dell'uso e copertura adottato per INFC (Sect. 3.3) e gli strumenti e la procedura utilizzati nella prima fase dell'INFC2015 (Sect. 3.4). Il capitolo, infine, descrive l'insieme di controlli impiegato per valutare la qualità dei dati derivanti dalla classificazione dei fotointerpreti (Sect. 3.5).

# **Materiali e metodi per la fotointerpretazione dell'uso e copertura del suolo**

La qualità delle immagini digitali (e l'uso che di esse di può fare) dipende principalmente dalla loro risoluzione, che si distingue in spaziale o geometrica, spettrale, radiometrica e temporale (Brivio et al., 2006). La risoluzione spaziale è legata alle dimensioni dell'area elementare al suolo di cui si rileva l'energia elettromagnetica, ossia alla dimensione dei pixel. La risoluzione spettrale indica il numero e l'ampiezza delle bande spettrali (intervalli di lunghezza d'onda) nelle quali viene acquisita un'immagine.<sup>2</sup> La risoluzione radiometrica è data dalla minima differenza di energia elettromagnetica rilevabile dai sensori sulle superfici fotografate. La risoluzione temporale, infine, indica l'intervallo di tempo che intercorre tra due riprese successive di una stessa area.

Le ortofoto forniscono una rappresentazione allo stesso tempo fotografica e cartografica del territorio. Esse si ottengono attraverso la correzione geometrica (ortorettifica) e la georeferenziazione di foto aeree digitali o di fotogrammi preventivamente digitalizzati. Il procedimento di ortorettifica consiste nel raddrizzamento e nella proiezione sul piano orizzontale delle immagini, in modo da consentire una corretta rappresentazione sul piano di distanze, angoli e superfici. La georeferenziazione permette di associare a ciascun punto del territorio rappresentato dall'ortofoto la sua posizione nello spazio, riferibile a un sistema di coordinate geografiche o piane (Gasparini et al., 2014).

Il processo interpretativo di un'ortofoto, o di qualsiasi immagine telerilevata, si caratterizza per la presenza due fasi fondamentali: (a) l'esame, il riconoscimento e, se necessario, la misurazione degli elementi presenti; (b) la formulazione di ragionamenti deduttivi e induttivi, basati sulle osservazioni fatte, allo scopo di classificare quanto rappresentato nell'immagine (Dainelli, 2011). Per una buona fotointerpretazione è molto importante conoscere il territorio in cui si opera e saperne riconoscere gli elementi caratteristici. La classificazione si basa sull'analisi di caratteri spaziali (localizzazione, associazione), spettrali (colore, tonalità) e geometrici (forma, dimensione). Ai fotointerpreti viene raccomandato di procedere dapprima con un'osservazione ampia del contesto territoriale, basata principalmente

<sup>2</sup> Nelle immagini digitali, la rappresentazione di tutti i colori visibili avviene per sintesi addittiva dei tre colori fondamentali rosso, verde e blu (R, G, B). Le porzioni di spettro elettromagnetico al di fuori di queste regioni non sono visibili all'occhio umano. Per renderle visibili, le si assegna a uno dei tre colori fondamentali. L'esempio più frequente è quello dell'infrarosso vicino (nIR), regione particolarmente importante nello studio della vegetazione, che si assegna alla banda del rosso, trasferendo la banda del rosso sul verde e la banda del verde sul blu, ottenendo la composizione denominata infrarosso-falso colore (IRFC).

sull'analisi della forma e della dimensione dei diversi elementi o poligoni e della loro disposizione nello spazio, definita come struttura o pattern. I singoli elementi sono riconoscibili sull'immagine sulla base della luminosità e intensità del colore, della tessitura, data da micro-cambiamenti nella distribuzione delle tonalità di colore, e delle loro forme e dimensioni. La presenza di ombre su un'immagine ha un doppio ruolo, come elemento di disturbo o come contributo alla fotointerpretazione. Se da una parte, infatti, esse rappresentano un ostacolo, soprattutto quando oscurano porzioni molto estese di territorio, dall'altra esse possono fornire importanti indizi nell'identificazione del profilo verticale e dell'altezza degli elementi da interpretare, facilitando ad esempio la distinzione tra le piante arboree e le piante arbustive.

# **Il sistema di classificazione**

Il sistema di classificazione dell'uso e copertura del suolo utilizzato per la prima fase INFC (Table 3.1) prevede tre livelli gerarchici, di cui il primo corrispondente all'analogo livello del sistema di classificazione CORINE Land Cover (European Commission, 1993) e i successivi due finalizzati a dettagliare ulteriormente le classi di maggiore interesse ai fini della produzione delle statistiche inventariali (Gasparini & Di Cosmo, 2016). Il primo livello si articola nelle cinque classi principali del sistema CORINE Land Cover (Superfici artificiali, Superfici agricole, Superfici boscate e ambienti seminaturali, Zone umide, Acque), da cui si differenzia per l'inclusione dei castagneti da frutto e dei pascoli nella classe Superfici boscate e ambienti seminaturali anziché in quella delle Superfici agricole. Il secondo livello di classificazione INFC comprende 12 sottoclassi, di cui due (Impianti di arboricoltura da legno e Aree boscate) di interesse per le successive fasi di campionamento, insieme alla classe residua dei punti non classificabili. Il terzo livello di classificazione è presente solo per la sottoclasse Aree boscate, che viene distinta in ulteriori tre sottoclassi sulla base di soglie di copertura delle specie arboree e arbustive coerenti con le definizioni di Bosco e Altre terre boscate utilizzate dall'anno 2000 per il Global Forest Resources Assessment (FRA) (FAO, 2001) e adottate per INFC (cfr. Chap. 2).

Il sistema di classificazione per la fotointerpretazione INFC2015 è rimasto invariato rispetto al secondo inventario forestale italiano INFC2005, per consentire il confronto tra gli esiti delle due fotointerpretazioni ed evidenziare i cambiamenti significativi da e verso le sottoclassi di interesse inventariale. L'unica differenza riguarda l'introduzione, per la classe Superfici agricole, della nuova sottoclasse degli Impianti di arboricoltura da frutto, che include frutteti, vigneti e oliveti.

La descrizione delle singole classi e sottoclassi di fotointerpretazione e le indicazioni per la loro individuazione sulle ortofoto sono riportate nel manuale di fotointerpretazione per la classificazione delle unità di campionamento di prima fase (Gasparini et al., 2014).

# **Strumenti e procedure per la classificazione**

La classificazione dell'uso e copertura del suolo per gli oltre 301,000 punti inventariali del campione di prima fase INFC è stata eseguita tramite fotointerpretazione di ortofoto digitali su una piattaforma WebGIS dedicata denominata GeoInfo, sviluppata dalla società AlmavivA con la collaborazione di Telespazio (Gasparini et al., 2020). La piattaforma consente di visualizzare le ortofoto (Fig. 3.1) e altri strati informativi utili, quali limiti amministrativi, viabilità, toponomastica, rete idrografica, fasce altimetriche, riserve naturali statali e aree percorse da incendi, nonché di acquisire le classificazioni dei fotointepreti e memorizzare i dati in un archivio centrale nazionale.

La fotointerpretazione INFC2015 è stata realizzata su ortofoto digitali a colori (RGB) e all'infrarosso-falso colore con risoluzione di 50 cm derivanti dalle coperture AGEA 2010–2012. Per risolvere casi dubbi, i fotointerpreti potevano consultare anche le ortofoto digitali a colori di uguale risoluzione derivanti dalle coperture AGEA 2007–2009, e ortofoto con risoluzione di 1 m derivanti dalla copertura 1999– 2005. Queste ultime, utilizzate dai fotointerpreti nella prima fase del secondo inventario INFC2005, sono state impiegate per valutare eventuali cambiamenti significativi di uso e copertura del suolo intervenuti successivamente, attraverso il confronto visivo delle immagini riferite alle due diverse epoche.

La prima fase INFC2015 è stata condotta da circa 50 fotointerpreti, in parte del Corpo Forestale dello Stato e in parte dei Servizi forestali delle Regioni a statuto speciale e delle Province autonome, opportunamente formati e addestrati mediante uno specifico corso di formazione. I fotointerpreti hanno operato da remoto, presso i rispettivi uffici, utilizzando la piattaforma dedicata.

La procedura di classificazione INFC consiste nell'attribuire ciascun punto di campionamento alla classe e sottoclasse di uso e copertura del suolo del poligono in cui il punto ricade, previa verifica del superamento delle soglie minime di estensione e larghezza. Il poligono rappresenta un'area omogenea per uso e copertura del suolo, avente una superficie maggiore di 0.5 ha e una larghezza superiore a 20 m. Limitatamente ai poligoni caratterizzati da una copertura arborea o arbustiva, il fotointerprete verifica anche il superamento o meno delle soglie minime di copertura (se specie arboree, 10% per il Bosco e 5% per i Boschi radi; se specie arbustive 10% per gli Arbusteti) previste dalla definizione adottata per il dominio inventariale (cfr. Chap. 2). Un'ulteriore soglia di copertura del 40%, relativa alla componente erbacea, viene utilizzata per distinguere la sottoclasse Praterie, pascoli e incolti da quella delle Aree con vegetazione rada o assente. In presenza di poligoni di dimensioni più piccole, con superficie compresa fra 500 e 5000 m2 oppure, se di forma allungata, con larghezza compresa fra 3 e 20 m, si registra la presenza di un "incluso" e si assegna al punto di campionamento l'uso e copertura del suolo del poligono più vicino che rispetta le soglie minime di superficie e larghezza sopra indicate, rispettivamente 0.5 ha e 20 m.

Il WebGIS GeoInfo gestisce in automatico la sequenza delle operazioni per la fotointerpretazione, proponendo all'operatore i punti da classificare e permettendo di verificare le soglie minime attraverso la visualizzazione di un intorno di analisi (cfr. Chap. 2), di una griglia di punti e di strumenti di misura delle distanze e delle superfici (Fig. 3.2) (Gasparini et al., 2021). L'intorno di analisi, costituito da una griglia di nove celle quadrate di lato pari a 50 m e superficie di 2500 m<sup>2</sup> centrata nel punto di campionamento, permette di stimare a vista l'estensione e la larghezza dei poligoni omogenei individuati. La griglia di punti distanti tra loro 10 m, invece, consente di valutare in modo rapido e oggettivo il grado di copertura mediante il conteggio dei punti che intercettano le chiome di alberi o arbusti.

Per dettagli sulle procedure di classificazione ed eventuali casi particolari si rimanda a Gasparini et al. (2014).

# **Controlli di qualità della fotointerpretazione**

La classificazione della copertura del suolo mediante interpretazione visiva di foto aeree comporta sempre un certo grado di soggettività e l'esperienza dei fotointerpreti gioca un ruolo importante nel determinare la qualità del risultato (Strand et al., 2002). La soggettività dovrebbe essere limitata il più possibile allo scopo di ottenere classificazioni comparabili tra loro. L'attuazione di una procedura di controllo della qualità durante l'attività di fotointerpretazione e alla sua conclusione è fondamentale, sia per valutare l'uniformità di giudizio da parte dei fotointerpreti e la riproducibilità della classificazione, sia per valutare l'accuratezza della classificazione.

Le procedure di assicurazione della qualità dei dati (QA, Quality Assurance) attuate per la prima fase INFC sono finalizzate al controllo degli errori non campionari dovuti a errori di misura nella verifica delle soglie minime di estensione e larghezza dei poligoni e della copertura arborea e arbustiva, oppure alla non corretta interpretazione delle regole di interpretazione delle immagini da parte dei fotointerpreti. La procedura di controllo si basa sull'individuazione di obiettivi di qualità (MQOs, Measurement Quality Objectives) e di limiti di qualità (DQLs, Data Quality Limits), corrispondenti rispettivamente a errate classificazioni o errori di misurazione tollerabili e alle relative soglie massime ammissibili (Gasparini et al., 2009). I MQOs relativi a errate classificazioni tollerabili per la QA di INFC2015 sono riportati in Table 3.2. Riguardo alle soglie minime di superficie e larghezza sono stati considerati tollerabili errori di misura rispettivamente di 200 m<sup>2</sup> e2m per i poligoni e di 50 m2 e 1 m rispettivamente per gli inclusi. Per la copertura, sono stati considerati tollerabili errori fino a 2.8% di copertura arborea o arbustiva e 5.5% di copertura erbacea, valori corrispondenti rispettivamente a un punto e a due punti della griglia utilizzata per la stima della copertura (cfr. Chap. 4). In Table 3.3 sono riportati i DQLs per le diverse classi di uso e copertura del suolo, stabiliti in funzione dell'importanza delle singole classi e sottoclassi e della relativa difficoltà di riconoscimento sulle ortofoto. Maggiore è l'importanza di una classe o sottoclasse, più elevato è il relativo DQL e minore è la soglia percentuale di errori ammissibili; al contrario, maggiore è la difficoltà di classificazione, minore è il relativo DQL e più elevata è la soglia percentuale di errori ammissibili.

L'attività di QA durante la fotointerpretazione è stata realizzata attraverso la riclassificazione di una certa quantità di punti, selezionati casualmente, da parte di un gruppo di operatori esperti del CREA Centro di ricerca Foreste e Legno, i quali hanno assunto il ruolo di operatori di riferimento. Gli operatori del CREA hanno utilizzato anch'essi la piattaforma GeoInfo per la classificazione dei punti, senza che fosse reso loro disponibile l'esito della classificazione già eseguita del fotointerprete incaricato. Successivamente, l'operatore di riferimento confrontava la propria classificazione con quella del fotointerprete incaricato e, in caso di discordanza, valutava se essa fosse ammissibile sulla base degli errori di misura o di classificazione ritenuti tollerabili secondo i MQOs. In caso di discordanza non risolvibile veniva inviata al fotointerprete una richiesta di verifica ed eventuale modifica della classificazione. Una piattaforma informatica appositamente implementata, accessibile dall'intranet del CREA Centro di ricerca Foreste e Legno, veniva utilizzata dagli operatori interni addetti ai controlli periodici e finali per registrare l'identificativo dei punti interessati e gli esiti dei controlli. In totale, durante la fotointerpretazione sono stati eseguiti controlli su 9766 punti, pari al 3.2% dei punti del campione INFC.

Oltre ai controlli in corso d'opera sopra descritti, sono stati realizzati dei controlli finali, o collaudi, su un sottocampione dei punti inventariali per regione selezionato in modo casuale. Il controllo finale ha riguardato il 2% dei punti inventariali di ciascuna regione. Successivamente, per tre regioni interessate dal mancato raggiungimento dei DQLs per le sottoclassi di maggiore interesse, si è proceduto ad una parziale revisione della classificazione e ad un nuovo controllo su un ulteriore 2% dei punti di campionamento. L'esito finale dei collaudi per le Aree boscate (Table 3.4) mostra che la discordanza di classificazione tra fotointerpreti e operatori di riferimento interessa il 2.1% dei punti a livello nazionale e percentuali sempre inferiori alla soglia massima del 5% in tutte le regioni.

Durante l'attività di classificazione è stato realizzato un ulteriore controllo di tipo blind check su un sottocampione casuale di punti inventariali, i quali venivano assegnati contemporaneamente a due fotointerpreti della stessa regione, all'insaputa degli stessi. I risultati del blind check verranno utilizzati per successive analisi finalizzate all'eventuale modifica del sistema di classificazione.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 4 Field Assessment—Survey Protocols and Data Collection**

# **Modalità di rilievo in campo e archiviazione dei dati**

# **Antonio Floris, Lucio Di Cosmo, Maria Rizzo, and Amato Patrone**

**Abstract** The INFC2015 field campaign surveyed almost 9000 sample points and assessed and measured a relevant number of variables. This chapter describes the procedures adopted to retrieve the sample points marked in the previous NFI (INFC2005) and to reach and mark sample points never located before on the ground. The chapter also describes the protocol used for classifying and measuring the variables, either at a stand level or a single item level as well as the relevant sample unit (point or plot) for measuring each variable. Some sections of the chapter describe the electronic devices and procedures used for storing the field data and sending them to the central database. It also details the way in which crews were supported remotely and the way data quality assurance was applied during the campaign, both in the field and from a distance.

**Keywords** Sample plots · NFI survey · GNSS positioning · DBH measurements · Tree cores · Coarse woody debris · Sample trees

# **4.1 Introduction**

Field surveys can be easily sketched by a sequence of basic, fundamental steps. In the great majority of cases, they consist of reaching the NFI sample point defined by its coordinates; assess the value of some variables; lay out sample plots (AdS) around or near it, within which to assess or measure other variables; and permanently mark the point, so as to be found in future field campaigns. The listed steps are also specific stages in the field campaign planning process, which are described in this chapter.

Navigation and positioning are determined through the use of global navigation satellite systems (GNSS); more specifically, special devices equipped with GNSS

A. Floris (B) · L. Di Cosmo · M. Rizzo

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: antonio.floris@crea.gov.it

A. Patrone AlmavivA S.P.A. - Agriculture Operations & Solutions, Roma, Italy

© The Author(s) 2022

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_4

that are suitable to operate under dense tree cover and still maintain good positioning accuracy are employed. Sample point position is a fundamental variable assessed by NFIs, as it allows revisiting the sample plot and coupling ground data with remote sensing data for further analysis (Dalponte et al., 2011; Gobakken & Næsset, 2009; Kitahara et al., 2010). Assuring effective positioning for future retrievals of the sample point is done by marking it with either permanent buried markers or with other visible marks that help crews find the buried one, based on recorded information on their relative positions.

Land use and land cover classifications, the first carried out as preliminary to any other assessment, classification of vegetation and other qualitative characters as well as the measuring on the quantitative variables are the essence of NFIs. In this chapter, the methods adopted to survey the variables in INFC2015 are described. These are of general validity but adaptations of the protocol to special and rare circumstances are available from the field manual (Gasparini et al., 2016) or other cited references.

Recording the information collected in the field, either what is necessary for internal needs (e.g., those about the sample point markers) or necessary to produce statistics, is supported by computer tools for many reasons. These tools can make information more accessible and useful to surveyors (e.g., to validate or update information collected in the past field survey). They may help in more specific tasks (e.g., navigation and positioning). They may suggest logical order during the different steps of the survey, or ease data input by menu lists. They also allow for automatic checks, preventing entering inconsistent data or warnings in case the information entered is possible but dubious (possible inconsistency due to typing errors). Lastly, recordings allow easy electronic storage in the INFC central database simply by data transmission.

Data quality is another important aspect of field surveys. In high complex monitoring projects developed over years, good quality data cannot be based simply on a sequence of data collection, data check, data approval or rejection, as rejection implies severe consequences, with the work to be done again. It is important to support the crews while they are conducting the survey, not only to prevent mistakes and check the data in the central database to correct them, but also to recognize errors and prevent repetition of mistakes (Gasparini et al., 2009). Supporting the crews and carrying out quality checks on the database during the field campaign are activities to be taken into consideration during the planning of the field surveys, because they imply choosing appropriate communication tools and a proper database design.

# **4.2 Navigation, Positioning and Marking of Sample Points**

Limiting the positional uncertainties of sample points in the different phases of the NFI, from photointerpretation to ground surveys, is a very important requirement for data quality. INFC adopts a three-phase sampling design. Phase 1 is carried out by photointerpretation and the other two phases use field surveys. Phase 2 uses about 30,000 sampling points, and phase 3 is a subsample of those. Photointerpretation

**Fig. 4.1** GNSS navigation, positioning and data recording devices used during the field campaign of INFC2015 / La strumentazione per la navigazione, il posizionamento e la registrazione dei dati utilizzata durante i rilievi in campo INFC2015

is conducted in a sample area (photoplot 2500—FP2500) whose centre is the NFI sample point defined by its coordinates (cf. Chap. 2). The procedure to locate an inventory point on the ground with the highest possible accuracy in respect to its position in the interpreted orthophoto was developed in INFC2005 (Floris et al., 2011). This procedure was also adopted in INFC2015. INFC2005 also established marking procedures capable of ensuring retrieval of the sample points after a few months during phase 3. INFC2015 carried out a sole field campaign on sampling points that in 90% of cases had already been surveyed and marked in INFC2005. For this reason, it has been necessary to experiment and adopt a navigation and positioning strategy appropriate to maximise retrieval of existing marked points or establish new ones on the ground.

Navigation to the sample point (called C-point after its establishment on the ground) and its positioning were done using a multi-constellation GNSS receiver Trimble R1, operated by a datalogger Trimble Juno SB. Given the technological difficulties in using a real-time differential correction in many Italian forest areas, it was decided to use, whenever possible, a satellite-based augmentation system (SBAS) provided by the EGNOS service (European Commission, 2017; Gasparini et al., 2021). Approaching a position about 10–15 m distance from the sample point was carried out in instant position navigation (NPI) mode, while reaching specific coordinates (e.g., C-point established in INFC2005) from that position was carried out by a procedure called navigation from average position (NPM) (Colle et al., 2009). Figure 4.1 shows the devices used for navigation, positioning and data recording in the field.

The INFC sample points visited in the field during the previous inventory have a positioning uncertainty of 3–4 m, depending on the receiver used at the time (Colle et al., 2009). Those points were marked with two types of buried stakes: temporary stakes, for the points visited in INFC2005 phase 2 only, consisting of 30 cm long nail and a small aluminum head plate; and permanent stakes, with a steel tip with anchors and a larger aluminum head, for the points also visited in INFC2005 phase 3. Near the sample point, at approx. 10–15 m under the best local conditions for receiving the GNSS signal, an end of navigation point (F-point) was also marked through a buried temporary stake. Markings included nailing small aluminum plates to the base of three reference trees, whose monographic information recorded their species, DBH, distances and azimuth to C-point or F-point and photographs. In INFC2015, F-point and C-point stakes were searched by a metal detector, with the help of the monographic descriptions and the photographs taken in the previous inventory campaign. Examples of the marks are shown in Fig. 4.2. Figure 4.3 shows the regional and national rates of sample points for which at least one of the stakes (either in the F-point or in the C-point) was successfully found.

In the INFC2015 field campaign, only permanent stakes were buried in C-points, in sample points in forest land use/land cover. To mark F-points, temporary stakes were used instead, considering the successful retrieval rate. At the end of the survey for each inventory point, a stationary GNSS positioning on F-point was conducted, calculating the coordinates as the mean of 50 single positions. Table 4.1 shows some positioning uncertainty parameters calculated from the GNSS raw files on more than 8000 points. As the C-point is reached measuring the azimuth and the distance from the F-point with a compass and a rangefinder, C-point and F-point positions undergo similar uncertainty. Finally, before leaving the sample plot, the monographic descriptions of the markers were updated and new photographs were taken.

# **4.3 Variables, Their Classifications and Measurements**

Field surveys allow definitive classification of land use and vegetation features relevant to verify correct inclusion of each sample point in the NFI domain and to classify the point in relation to a wide range of qualitative characteristics in order to measure quantitative variables. Table 4.2 lists the variables assessed or measured with the field survey and the reference sample unit (sample point or plot) used for each variable. Assessments and measurements are carried out with reference to the sample point or to one of the sample plots (AdS) that have it as the centre (AdS4, AdS13, AdS25) or close to it (AdS2) (cf. Chap. 2). This section describes the methods used for variable assessment or measurement. The classes adopted are described in the tables at the end of the chapters with the results, which show the statistics for the variables.

4 Field Assessment—Survey Protocols and Data Collection 71

**Fig. 4.2** The buried stakes and the external markings used to mark the sample points in the field / I picchetti interrati e le marcature esterne usati per marcare i punti di campionamento in campo

# *4.3.1 Land Use, Land Cover, Pure/mixed Forests, Stand Origin*

Crews first assess if the inventory sample point is in Total wooded area, by observing the land use and land cover (of trees and shrubs) status. The latter is quantified based on the orthophoto already used by the photointerpreter, available in the tablet. Surveyors judge potential crown cover, in case of temporarily unstocked areas, and accurately measure land features (e.g., roads and water streams width) when relevant for the adopted definitions in Chap. 2. A software application specifically developed in INFC2015, INFC\_APP (cf. Sect. 4.4) guides assignment of a sample plot to the

**Fig. 4.3** Regional and national rates of sample points where at least one stake of INFC2005 (either point C or point F) was found in INFC2015 / Aliquote percentuali regionali e nazionale dei punti di campionamento nei quali almeno un picchetto di INFC2005 (punto C o punto F) sia stato ritrovato in INFC2015

**Table 4.1** Positioning uncertainty parameters of sample points under different SBAS-EGNOS correction status / Parametri di incertezza del posizionamento dei punti di campionamento, in diverse condizioni di correzione SBAS-EGNOS


proper crown cover class. A systematic grid is superimposed to the orthophoto in the reference area (FP2500, cf. Chap. 2). Crews count the number of sample points falling on crowns and specify if these are shrubs or trees. Besides distinguishing Forest from Other wooded land, this assessment enables producing estimates on areas by total canopy cover, and by tree canopy cover. INFC\_APP can also compute





#### **Table 4.2** (continued)


the predominance of conifer or broadleaf cover or neither (in mixed forests) to classify the stand as pure or mixed conifers/broadleaves.

Stand origin is assigned considering the intensity of human actions to promote or sustain regeneration; actions may be absent (natural stands), by silviculture (seminatural stands) or intense (plantations).

# *4.3.2 Inventory Categories, Forest Types and Forest Subtypes*

Inventory categories of Forest and Other wooded land are classified by observing features mainly related to composition (e.g., trees or shrubs), site potential for growth (e.g., tall trees or short trees), and stand origin (e.g., seminatural or planted). The inventory categories of Forest and Other wooded land are further classified into forest types and subtypes.

Forest type is classified based on the dominant species or group of species in terms of crown coverage. First, it is assessed if dominance is due to coniferous or broadleaved species, deciduous or evergreen; forest type must be consistent with that information, i.e., if crown cover prevalence is by conifer, one of the coniferous forest types is expected. In case of mixed stands, deciding which species or group of species is predominant may require a walk along with transects and recording of the species of the upper layer tree at established points (Fig. 4.4). Such procedures and computations are assisted by INFC\_APP. Forest subtype is assigned based on the species composition and stand ecological characteristics.

**Fig. 4.4** Walking transects across AdS25 to assess tree species crown cover, by standing in the positions indicated by the circles. Red numbers show the order to follow to obtain at least 25 observations / Disposizione dei punti di osservazione della copertura delle specie entro AdS25; i numeri in rosso indicano l'ordine dei transect fino al raggiungimento di un totale di 25 classificazioni

# *4.3.3 Legal Status*

Ownership was assessed based on the position of the inventory sample point, accessing cadastral information available to crews as a GIS layer, or by interviewing local forestry or other administrative personnel.

Limitations on the use of forest resources or the inclusion in protected areas (type and protection level) were assessed on documents or maps or given by local personnel.

Presence of forest planning was assessed based on documents or local personnel knowledge; planning may be present at various levels (e.g., regional guideline plans or property-based operative management plans).

# *4.3.4 Accessibility, Presence of Roads and Site Features*

A sample point is accessible if the crew can reach it and can carry out the required assessment and measurements in the relative AdS. Physical conditions, prohibited access under laws or from owner's decisions and risk of severe injury for the surveyors may result in inaccessibility. Flexibility is allowed during the survey in challenging cases. For example, if it is too risky, DBH of some trees might be visually estimated or the measurements limited to AdS4. Any special adaptation is recorded to allow consistent data processing.

Simple and fast access to a sample point also depends on the presence of roads. This is first assessed on maps, orthophotos, etc. and then checked and verified in the field. Crews record distances and differences of elevation between the NFI sample point and the closest road or forest track.

The inventory sample point altitude is measured by the GNSS device, while recording the coordinates (cf. Sect. 4.2).

Aspect is measured using a compass, by reading the magnetic azimuth; the measurer stands at the sample point aiming the compass downwards. The slope angle is measured by a clinometer. The measurer stands at the sample point and aims towards two topographic poles, placed 25 m distance uphill and downhill along the maximum slopes; the recorded value is the average of the two measures.

Land position is observed by referring to both the AdS25 (local land position) and to a larger area, from a few hectares to a few tens of hectares around the plot (extended land position). Roughness, assessed in the AdS25, is the micro-morphology of the terrain, determined by the presence of obstacles such as boulders, rocks, ditches and sinkholes that could condition any logging operations (felling, concentration, removal) and, in general, the availability of the area around the sample point.

Any presence of terrain instability under way, repetitive or occasional, is surveyed in the AdS25 or the surrounding area. The instability must affect an area of at least 100 m2 to be recorded.

# *4.3.5 Silviculture, Stand Characters, Production*

Applied silviculture considers type and intensity of practices. These are strictly related to the products that are obtained, so the classification system has specific classes for the practices aiming at obtaining secondary, non-wood products and social services.

When the management is strongly and clearly oriented to mainly obtain one specific good or service from the forest, this is classified under the primary designated management objective condition, and the specific good or service is noticed.

Availability for wood supply is information provided based on documents (e.g., restrictions by environmental protection laws) or assessing in the field eventual economic convenience of utilisation or presence of severe constraints. Convenience of utilisation might come by considering, for example, the value of the exploitable wood in relation to the difficulties and costs in accessing remote forests.

The silvicultural system and the utilisation mode are recorded when observing stand structure and characters, while the logging mode also considers the exploitable products (e.g., timber or firewood), local tradition (e.g., cables are mainly used in the Alps and less on the Apennines) and road presence.

Development stage information is based on visual assessment as well as the age class, which is recorded only in even-aged stands; however, the information is confirmed after the tree coring described in Sect. 4.3.8, and once tree rings have been counted.

# *4.3.6 Forest Health*

The survey aims to provide a general overview on forest health conditions and records the presence of diseases and damages when they affect at least 30% of AdS25. When this threshold is reached, the cause of the disease or damage is assessed as well as its severity on the trees that are sick or damaged. In case the disease or damage implies defoliation, its intensity is recorded, and an indication is given about which part of the crown is primarily affected.

# *4.3.7 Tally Trees*

Tally trees are woody plants, either alive or dead, with DBH ≥ 4.5 cm inside the AdS4 or ≥ 9.5 cm in the AdS13. A tree is in or out of a sample plot depending on the distance between the plot centre and the vertical axis passing through the centre of the section at 1.30 m aboveground level. DBHs are measured using a calliper. On slope terrain (>10°) the measurer stands uphill from the tree, otherwise the graduated beam is along the plot radius. When the first measured DBH exceeds 9.5 cm, its crosssection diameter is also measured. For each callipered tree, the species, vitality and integrity (Table 4.3) and type of tree (Table 4.4) are also recorded. In case of broken trees, the height is measured. For dead trees, the decay class is recorded, based on visual assessment (Table 4.5).

# *4.3.8 Sample Trees*

Ten trees among the tally trees are selected for additional measurements. These include the five closest trees to the plot centre, the three remaining largest and two 'rare' trees among the remaining. A rare tree may be a tree of species or size class (in monospecific stands) not included within the previous eight. Whenever possible,


**Table 4.3** Tree vitality-integrity / Classi per la vitalità-integrità degli alberi

sample trees must be free from visible faults. For each tree, the total tree height and crown base height are measured, and the tree is classified as dominant, intermediate or dominated tree. Tree height is measured using a Haglof Vertex hypsometer.

In order to estimate the annual diameter increment, the sample trees are cored with a Pressler increment borer, at 1.30 m aboveground level, along with the plot radius direction. From each sampled tree, one core is extracted and the length of the five outermost rings (excluding the one from the current year) is measured with a ruler. Each core is labelled and sent to the dendrochronology laboratory at CREA Research Centre for Forestry and Wood in Trento for a measurement check.


**Table 4.4** Type of tree / Dendrotipo

# *4.3.9 Forest Understorey*

Small trees and shrubs are distinguished based on the INFC species list. Distinction is not relevant for measurements, since what must be measured only relies on size thresholds. Small trees and shrubs are woody entities with a diameter of less than the calipering threshold of 4.5 cm but higher than 50 cm. They are assigned to one of the classes in Table 4.6. They are measured in two AdS2, 10 m distance from the sampling point, East and West positioned (cf. Chap. 2). The survey consists of counting the plants separately by species and size class. For each species surveyed, the prevalent origin is recorded (artificial, agamic, by seed), eventual damage, if affecting at least 30% of the plants, and the cause, if recognisable (by animals, e.g., by pasture or wildlife, or by weather).

# *4.3.10 Deadwood Lying on the Ground and Stumps*

Deadwood lying on the ground (complete trees, stems, branches, etc.) must have a diameter and length of at least 9.5 cm and is measured within the AdS13. Each

**Table 4.5** Decay classes adopted for deadwood assessment (tally trees, stumps, deadwood lying on the ground) / Classi di decadimento per il legno morto grosso (alberi morti, ceppaie, legno morto grosso a terra)


woody piece (called an element) is ideally divided into regular fragments of length not more than two metres. For each fragment, two cross sectional diameters at both terminal sections are measured, as well as its length. Each fragment is classified as either from coniferous or broadleaved species and the decay condition is given according to the classes in Table 4.5.

Stumps are the remains of cut trees or naturally broken trees not reaching a height of 1.30 m and with diameter at least 10 cm and are measured in the AdS13. The


**Table 4.6** Size classes for small trees and shrubs / Classi dimensionali per la rinnovazione e gli arbusti

diameter at the cutting height (two orthogonal measurements) and the height aboveground level (two measurements, the minimum and maximum height) are measured. The species is also recorded, if recognisable, as well as the decay class (Table 4.5). Lastly, information is given on the cutting age, specifically if the cut has occurred before or after the twelve months preceding the survey.

# **4.4 Data Collection, Database and Field Software (INFC\_APP)**

The relational database designed to store in central server data collected during the field surveys was developed in an Oracle 10 g environment and consisted of 27 tables (more than 280 fields) linked by the sample point identifier as the primary key and, in the quantitative variables tables, by the item (tree, stump, etc.) identifier as the secondary key. Accessing the central server is possible through authentication and protection protocols, which vary in relation to four profiles associated with corresponding specific roles of the user. These include CUFA, which is nationally responsible; researchers/analysts of CREA Research Centre for Forestry and Wood, regional coordinators, and the head of the field crew. The database also stores and makes available the data recorded during the photointerpretation, which must be validated or updated during the field survey.

The device used for data storage in the field is a tablet with OS Android 6.0, for which the application INFC\_APP was developed (Gasparini et al., 2020). Most of the preloaded data is contained in this app, except the waypoints for navigation and raw positioning files, which were recorded with Trimble Terrasync software on the Trimble Juno SB datalogger. On the client side, the database was implemented through the Sqlite library. The information flow between the tablet device (client) and the central server can occur directly from the field, using the installed G4 card, via web service Simple Object Access Protocol (SOAP) (Oracle, 2021). With this protocol, it is possible to transfer not only alphanumeric data, but also binary data as the .ssf files containing the raw measurements and the qualitative parameters of the GNSS point positioning. The client device sends a request and waits for a response from the server. Four web services were implemented for searching, downloading, uploading, and updating the status of the points, fundamental for the distinction between the points to be surveyed, those in progress or those that have been concluded. The web service receives the tablet's IMEI code and returns the list of points assigned to the entitled NFI crew. The crew team can then choose the sample point to survey from that list and download all the preloaded information. If the procedure ends correctly, the client device automatically invokes the service, and this changes the status of the point, moving it from 'assigned' to 'in progress', thus excluding it from the list of points that are still possible to download on devices. At the end of the survey, the client invokes the service for uploading data, sends all the collected data to the central database, making them visible to other user profiles authorised to access and consult. It is possible to do partial uploads, as temporary backups of a survey not yet concluded, or a final upload to transfer all data at the end of the surveys on a sample point. The final upload can even be postponed to when data collection has been accomplished, such as after measurement of incremental cores, which is usually performed in the office.

Data security during the campaign is ensured by the establishment of a list of devices authorised to install the app and access the database according to the specific IMEI code of each tablet. In regard to INFC\_APP development, one of the basic requirements during the design phase was to create a user-friendly GUI application. The user interface guides the surveyor throughout the logical and chronological phases of the survey, from navigation and positioning procedures to the collection of the qualitative and quantitative variables. It is possible to move through the various sections of the application, with the only constraint being to save the data entered in any specific section by explicitly confirming the saving. From the home screen it is possible to consult the documentation (survey protocol, electronic devices manuals, etc.) remaining in the application. The GUI sections are of two different types: the first is represented by data input modules (Fig. 4.5), and the second is the result of data queries, which resume the previously input data, both within each section and in the home screen, thus facilitating the monitoring of the survey progress (Fig. 4.6).

For all qualitative variables that are categorical and assessed using the appropriate class value, look-up tables have been adopted and the chosen class is selected from a closed list of possible values. For quantitative attributes, threshold values have been established, and warning messages have been shown in case of unlikely values. Combinations of masks and sub-masks have also been created for the input of progressively more detailed data (Fig. 4.7). Several real-time automatic crosschecks in different fields have been designed to prevent errors in terms of plausibility, congruity, completeness, or input errors (Fig. 4.8).


**Fig. 4.5** Example of INFC\_APP input module, regarding attributes referring to tree callipering / Esempio di modulo di input di INFC\_APP, riguardante attributi relativi al cavallettamento degli alberi

# **4.5 Start-Up, Remote Assistance and Quality Check**

# *4.5.1 Start-Up and Remote Assistance to Field Crews*

As soon as the crews began their job, they were joined by the CREA Research Centre for Forestry and Wood team to be led under expert assistance. This assured appropriate reminder of the protocol procedure as learned in the training course and also provided clarification on local specific cases. However, clarification on local


**Fig. 4.6** Example of INFC\_APP output module, regarding the progress status of tree callipering / Esempio di modulo di output di INFC\_APP, riguardante lo stato di avanzamento del cavallettamento


**Fig. 4.7** Example of INFC\_APP module, with mask and sub-mask, regarding the input of progressively more detailed data status / Esempio di modulo di INFC\_APP con maschera e sotto-maschera per l'inserimento di dati a dettaglio progressivamente maggiore


**Fig. 4.8** Two examples of completeness and plausibility real-time checks in INFC\_APP / Due esempi di controlli di completezza e plausibilità in tempo reale in INFC\_APP

specific cases is not a secondary concern in Italy, given the highly diverse vegetation conditions.

During the field campaign, a helpdesk was active daily at CREA Research Centre for Forestry and Wood in Trento, reachable either on the phone or by email. Crew support consisted of answering questions related to any aspect of the survey protocol in an effort to help resolve doubts and uncertainties and so avoid subjective or incorrect interpretations. In fact, questions were often asked about special cases because crews were not in ordinary conditions, e.g., they were at risk of injury. All questions were entered in a database in such a way to give future consistent answers in similar cases, but especially to derive statistics on the most frequent topics of questions. Based on these statistics, the helpdesk could warn crews (all crews or only those potentially interested) to prevent reiteration or possible mistakes. The helpdesk database also allowed to verify full functioning of the automatic controls of INFC\_APP, especially the first releases (cf. Sect. 4.4), but above all, they could suggest further improvements.

# *4.5.2 Data Quality Check and Final Field Work Checks for Approval*

Regular checks on the central database are fundamental to guaranteeing high data quality. They also permit monitoring the progress of the field work, revealing possible problems in carrying out the survey which cause delays. In this case, they allowed verification of the crews' accomplishments of what was requested about data and materials. Crews had to post the woody cores to the dendrochronology laboratory at CREA Research Centre for Forestry and Wood in Trento, as well as safety backup copies of the photographs taken. Arrival of these two additional materials was expected at stated intervals after sample plots data were sent to the central database.

Checks in the database during the fieldwork aimed at assessing completeness, plausibility, and consistency of information. Completeness indicates that all data expected have been recorded. This is possibly the simplest check to be implemented through automatic checks in the crews' software; nevertheless, control is needed to verify the proper functioning of the software. In our case, controls revealed malfunctioning of early releases of INFC\_APP, which caused a limited number of data loss. Checks about materials sent to CREA Research Centre for Forestry and Wood in Trento were special cases still related to completeness checks.

Plausibility means that information is reliable in absolute terms. An example of qualitative information that is not credible is the declared presence of a species in an area where it cannot be found (e.g., cork oak on the Alps). Another example involving quantitative values is a recording size that cannot be reached (e.g., exaggerated tree heights). The two examples should highlight the limits of automatic checks and importance of judgment based on data control, because there are places where a species is not expected but would still be possible to be found as well as a tree height that is possible may not be in a specific stand.

Consistency means that two pieces of information on related variables make sense; in other words, the two pieces of information are conditioned with each other. Nevertheless, the two values provided are reliable. Plausibility checks and consistency checks were carried out through cross-check data within the INFC2015 database, but they could also rely on crossing information from the INFC2005 survey.

Final field work checks for approval after the end of the field campaign was carried out by controllers. They fully surveyed some plots per region, in the presence of the crews and the data gathered were compared with those stored in the central database, previously recorded by the crews. The comparison was aimed to compute the level of reproducibility. For each variable measured, a maximum proportion of disagreement was stated, and a score was assigned, based on a level of agreement. The overall score was based on the scores obtained in each variable assessed. Crew knew from the very beginning that their job would be evaluated. For this reason, although limited in numbers, these checks were effective in maintaining a high level of quality throughout the entire field campaign.

# **Appendix (Italian Version)**

**Riassunto** La fase di campagna di INFC2015 ha previsto il raggiungimento di quasi 9000 punti di campionamento e il rilievo di un numero rilevante di attributi, di tipo sia qualitativo sia quantitativo. Questo capitolo illustra le procedure di ritrovamento dei punti già istituiti nel precedente inventario (INFC2005), il posizionamento exnovo di punti mai visitati in precedenza, le modalità di classificazione e misura delle variabili rilevate, sia a livello di popolamento sia di singolo elemento; inoltre fornisce indicazioni su quali unità di campionamento (punto o area di saggio) siano state utilizzate per il rilievo di dette variabili. Altre sezioni del capitolo sono dedicate alle modalità di registrazione informatica dei dati rilevati in campo e del loro invio al database centrale, all'assistenza fornita ai rilevatori e ai controlli per la qualità dei dati eseguiti durante i rilievi, sia in presenza sia da remoto, nonché ai controlli finali.

# **Introduzione**

La conduzione dei rilievi inventariali in campo può essere efficacemente descritta elencando poche operazioni fondamentali. Si tratta, in concreto e nella generalità dei casi, di raggiungere un punto prestabilito (punto di campionamento) definito dalle sue coordinate, assumere quel punto come luogo di osservazione di alcune variabili di interesse, considerare quel punto come il centro di aree di saggio (AdS) entro cui condurre altre osservazioni e/o misurazioni, registrare le informazioni raccolte, e infine marcare quel punto in maniera permanente, così da poterlo ritrovare nelle successive campagne di rilievo. La schematizzazione proposta afferisce a fasi ben distinte del processo di progettazione di una campagna inventariale, che sono oggetto di questo capitolo.

Navigazione e posizionamento implicano l'utilizzo di procedure assistite da tecnologia di posizionamento satellitare globale (GNSS) con strumentazione performante nelle condizioni di copertura della volta, tipiche dei boschi, e adeguata a garantire una sufficiente accuratezza delle coordinate registrate. Queste rappresentano di per sé una variabile rilevata, che permette di poter rivisitare l'unità di campionamento e coniugare ai dati rilevati al suolo anche informazioni provenienti da remote sensing (Dalponte et al., 2011; Gobakken & Næsset, 2009; Kitahara et al., 2010). Un posizionamento utile anche ai fini di future ripetizioni dei rilievi implica l'utilizzo di marcatori permanenti ma non visibili (generalmente interrati) e altri visibili, di ausilio nel ritrovamento a rilevatori che abbiano accesso alle informazioni associate.

La classificazione dell'uso e copertura del suolo, preliminare ad ogni eventuale successiva operazione di rilievo, le classificazioni della vegetazione e degli attributi qualitativi nonché le misurazioni delle variabili quantitative, sono l'essenza stessa dell'indagine inventariale. In questo capitolo sono descritte le variabili rilevate in INFC2015 e le modalità seguite, rimandando al manuale di campagna (Gasparini et al., 2016), o ad altra bibliografia citata, per i casi particolari e di minore rilievo nell'ambito generale.

La registrazione delle informazioni raccolte, siano esse necessarie per le esigenze di progetto (ad esempio quelle relative alle marcature) o relative alle variabili oggetto di stima, è supportata per diverse motivazioni da applicativi informatici. Questi rendono più agevole consultare le informazioni necessarie ai rilevatori prima ancora di acquisirne di nuove (ad esempio quelle pregresse da verificare in virtù di possibili cambiamenti rispetto al precedente rilievo); possono supportare i rilevatori in varie fasi, per esempio se il loro uso è integrato nella procedura di navigazione e posizionamento, oppure proponendo da un menù a scelta le uniche classi coerenti con informazione di rango superiore; consentono controlli automatici, impedendo la registrazione di informazioni incongruenti o richiamando l'attenzione nel caso di combinazioni possibili ma poco frequenti; infine, consentono l'archiviazione delle informazioni registrate nel database INFC mediante semplice invio telematico.

Un ultimo aspetto relativo alle attività in campo riguarda l'importanza della qualità dei dati rilevati. In attività di rilievo complesse con durata pluriennale, non è possibile adottare una procedura di qualità basata solo su controlli a posteriori, che si risolvano in un'approvazione o rigetto dei dati, con conseguente ripetizione del rilievo. È necessario, invece, supportare le squadre di rilevatori mentre compiono le valutazioni in campo, se richiesto, per prevenire errori e controllare i dati che via via arrivano in archivio per individuare possibili errori di valutazione e/o misurazione compiuti dalle squadre, perché possano essere corretti ma soprattutto per prevenirne la ripetizione, avvisando le squadre interessate (Gasparini et al., 2009). L'attività di assistenza alle squadre e il controllo dei dati di archivio durante la fase di campo va prevista già in fase di progettazione, soprattutto per le sue implicazioni sugli strumenti di comunicazione e sulla struttura del database.

# **Navigazione, localizzazione e marcatura dei punti di campionamento**

La massima accuratezza del posizionamento dei punti inventariali nelle diverse fasi dell'inventario, nella fotointerpretazione e al suolo, è un requisito molto importante ai fini della qualità dei dati rilevati. INFC è un inventario trifasico con una fase di fotointerpretazione a video e due fasi al suolo: la fase 2, su circa 30,000 punti, e la fase 3 su un loro sottoinsieme. La fotointerpretazione è condotta su un intorno di analisi che ha come centro il punto di campionamento inventariale, definito dalle sue coordinate (cfr. Chap. 2). Nell'INFC2015, la procedura per un'identificazione in campo più accurata possibile del punto di campionamento fotointerpretato è stata ripresa da INFC2005 (Floris et al., 2011). Sempre da INFC2005 derivano le modalità di marcatura adeguate a garantire il ritorno sulla stessa posizione, che nella fase 3 di INFC2005 avveniva a distanza di alcuni mesi. INFC2015 ha previsto una sola campagna di rilievi al suolo, su punti che per il 90% erano già stati visitati in campo in INFC2005. È stato per questo necessario sperimentare, in fase di progettazione dei rilievi, opportune strategie di navigazione e di posizionamento capaci di ridurre al minimo l'aliquota di punti non ritrovati ma efficienti anche per posizionarne di nuovi.

La navigazione per il ritrovamento del punto di campionamento (anche detto punto C, dopo essere stato materializzato al suolo) è avvenuta con ausilio di un ricevitore GNSS multicostellazione Trimble R1, pilotato da un datalogger Trimble Juno SB. Considerate le difficoltà tecnologiche ad utilizzare una vera e propria correzione differenziale in tempo reale in molte aree forestali italiane, si è stabilito di fruire, quando possibile, del sistema di aumento della precisione (SBAS) fornito dal servizio EGNOS (European Commission, 2017; Gasparini et al., 2021). L'avvicinamento fino a circa 10–15 m dal punto di campionamento è avvenuto in modalità navigazione da posizione istantanea (NPI), mentre il ritrovamento di precisione del punto, se già visitato in INFC2005, oppure il suo primo posizionamento se non visitato, sono avvenuti con procedura definita navigazione da posizione media (NPM) (Colle et al., 2009). La Fig. 4.1 mostra la strumentazione di navigazione e posizionamento in campo.

I punti di campionamento rilevati al suolo in INFC2005, la cui incertezza di posizionamento è stimata in 3–4 m a seconda del ricevitore utilizzato (Colle et al., 2009), erano stati marcati con picchetti interrati di due tipi: picchetti provvisori nei punti visitati nella sola fase 2 di INFC2005, che sono costituiti da chiodo lungo 30 cm e placca di testa in alluminio, e picchetti permanenti nei punti visitati anche in fase 3 di INFC2005, che hanno puntale in acciaio zincato con ancoraggi e testa in alluminio. Nelle migliori condizioni locali di ricezione del segnale GNSS, a 10–15 m dal punto di campionamento, era stato inoltre interrato un picchetto del tipo provvisorio sopra descritto, ad indicare il punto di fine navigazione (denominato punto F dopo la sua materializzazione al suolo). Il ritrovamento del picchetto del punto F e l'applicazione dei valori di offset verso il punto C (distanza e azimut) misurati in INFC2005 permettono di individuare la posizione del punto di campionamento. Le marcature prevedevano anche l'utilizzo di piccole placche in alluminio apposte alla base di tre alberi di riferimento, corredati di informazioni monografiche essenziali (specie, diametro a 1.30 m, distanza e azimut dal punto C o dal punto F) e alcune fotografie. La ricerca dei picchetti del punto F e del punto C è avvenuta con un metal detector, con l'aiuto delle descrizioni monografiche e delle fotografie. L'insieme delle marcature è mostrato in Fig. 4.2. La Fig. 4.3 mostra l'aliquota regionale e nazionale dei punti di campionamento in cui almeno uno dei picchetti, del punto F o del punto C, è stato ritrovato.

Nella campagna di rilievo INFC2015, per i punti ricadenti in uso del suolo forestale sono stati utilizzati solo picchetti di tipo permanente. Nel punto F sono stati invece usati ancora picchetti del tipo provvisorio, considerata anche la buona performance di ritrovamento. Al termine di tutti i rilievi, su ciascun punto inventariale è stato eseguito un posizionamento GNSS stazionando sul punto F e calcolando le coordinate medie di 50 posizionamenti istantanei. La Table 4.1 riporta i valori di alcuni parametri di incertezza del posizionamento, calcolati dai file grezzi dei rilievi GNSS su oltre 8000 punti. Essendo C raggiunto dal punto F mediante azimut e distanza misurati sul terreno, le coordinate di F e di C sono caratterizzate da incertezza di posizionamento simile. Prima di abbandonare il punto inventariale, alla fine dei rilievi, sono state aggiornate le descrizioni monografiche delle marcature ed eseguite nuove riprese fotografiche.

# **Le variabili rilevate: modalità di classificazione e misura**

I rilievi in campo consentono di classificare in maniera definitiva l'uso e la copertura del suolo e i caratteri della vegetazione rilevanti per validare l'inclusione del punto inventariale nel dominio di INFC, ma anche di condurre le classificazioni sui caratteri qualitativi e di misurare le variabili quantitative. La Table 4.2 elenca le variabili rilevate in campo e le unità di campionamento (punto o area di saggio) adottate per ognuna; valutazioni e misurazioni sono condotte sul punto di campionamento o nelle aree di saggio (AdS) che sono centrate (AdS4, AdS13, AdS25) o vicine (AdS2) al punto di campionamento (cfr. Chap. 2). Questa sezione descrive i metodi di rilievo delle variabili qualitative e quantitative; le classi adottate sono riportate nelle tabelle in fondo ai capitoli dedicati ai risultati, insieme alle stime per le variabili.

# *Uso e copertura del suolo, grado di mescolanza, origine del soprassuolo*

La prima valutazione riguarda la verifica che il punto di campionamento inventariale sia in un'area boscata, osservando l'uso del suolo e la copertura da alberi e/o arbusti; la copertura viene valutata sulla stessa ortofoto utilizzata in fase di fotointerpretazione, visualizzabile con il tablet in dotazione ai rilevatori (cfr. Sect. 4.4). Il rilievo in campo consente di valutare la copertura potenziale, nel caso di aree temporaneamente prive di soprassuolo, e condurre misure più accurate su elementi del territorio rilevanti per l'applicazione delle definizioni adottate (es. larghezza delle strade e dei corsi d'acqua) (cfr. Chap. 2). Un applicativo specificamente sviluppato, INFC\_APP (cfr. Sect. 4.4), guida l'assegnazione del plot a una delle classi di copertura previste, anche mediante una griglia di punti sovrimpressa all'ortofoto nell'area di riferimento (FP2500, cfr. Chap. 2). I rilevatori contano il numero di punti che intercettano le chiome, specificando se si tratta di alberi o arbusti e INFC\_APP calcola la copertura totale e quella arborea. Oltre a permettere di distinguere tra Bosco e Altre terre boscate, questo rilievo permette di produrre le statistiche di superficie per classe di copertura totale e di copertura arborea. INFC\_APP assiste i rilevatori anche nei calcoli necessari a stabilire l'eventuale dominanza di copertura da parte di specie di conifere o di latifoglie, per classificare il soprassuolo secondo il grado di mescolanza (puro di conifere o di latifoglie, oppure misto) (cfr. Sect. 4.3.2).

L'origine dei soprassuoli viene assegnata valutando il grado di intensità delle azioni volte a favorire o sostenere la rinnovazione, che possono mancare (boschi naturali), afferire alla selvicoltura (soprassuoli seminaturali) o essere di tipo intensivo (piantagioni).

# *Categorie inventariali, categorie forestali e sottocategorie forestali*

Le categorie inventariali del Bosco e delle Altre terre boscate sono classificate osservando caratteristiche riguardanti principalmente la composizione (es. alberi o arbusti), le potenzialità di sviluppo offerte dalla stazione (es. Boschi alti o Boschi bassi), e l'origine del soprassuolo (es. seminaturale o artificiale). Le categorie inventariali del Bosco e delle Altre terre boscate sono ulteriormente ripartite in categorie forestali e sottocategorie forestali (cfr. Chap. 2).

La categoria forestale viene classificata sulla base della specie con copertura delle chiome prevalente. Innanzitutto, viene stabilita l'eventuale prevalenza a conifere o a latifoglie, decidue o sempreverdi; la categoria forestale deve essere coerente con quella informazione; per esempio, se prevale la copertura di conifere la categoria forestale dovrà essere una tra quelle a conifere. Nel caso di boschi misti, la stima del gruppo di specie o della specie con copertura prevalente può richiedere una valutazione più accurata che prevede di camminare lungo percorsi predefiniti e indicare la specie con la chioma nel piano dominante in corrispondenza di punti di osservazione prestabiliti (Fig. 4.4); la procedura e i calcoli relativi sono guidati da INFC\_APP. La sottocategoria forestale viene assegnata sulla base delle specie presenti e dell'ecologia della stazione.

# *Proprietà, grado di protezione e pianificazione*

Per la classificazione della proprietà risulta rilevante la posizione del punto di campionamento. Le informazioni sulla proprietà derivano dal catasto, le cui informazioni sono disponibili mediante layer tematico su webGIS, oppure da conoscenza del personale forestale o amministrativo locale.

L'esistenza di restrizioni all'utilizzo delle risorse forestali e l'appartenenza ad aree protette (di vario tipo e livello) derivano da base documentale, cartografica o da conoscenza del personale forestale locale.

La presenza di strumenti di pianificazione è stata accertata su documenti oppure dichiarata dal personale forestale locale, ai diversi livelli previsti (per esempio piani di orientamento generali oppure piani di assestamento aziendali).

# *Accessibilità, viabilità e caratteri fisico-stazionali*

Il punto di campionamento inventariale viene definito accessibile se raggiungibile e se risulta possibile condurre le rilevazioni e le misurazioni nelle AdS previste intorno ad esso. L'inaccessibilità può essere dovuta ad ostacoli fisici o a divieti di legge o imposti dal proprietario, ma anche a condizioni di pericolo per l'incolumità dei rilevatori. Nei casi di pericolo è ammessa una certa tolleranza; ad esempio, il diametro di alcuni alberi potrebbe essere solo stimato, oppure il rilievo condotto solamente nell'AdS4. Queste circostanze vengono registrate per consentire un trattamento dei dati adeguato, durante le elaborazioni.

La facilità e la velocità nel raggiungimento di un punto inventariale dipendono anche dalla presenza di viabilità. Questa viene valutata prima di tutto su mappe, ortofoto, ecc. e poi verificata in campo. I rilevatori registrano la distanza e il dislivello del punto di campionamento dalla strada, indicando anche la tipologia di viabilità.

L'altitudine del punto inventariale viene registrata dal dispositivo GNSS durante il rilievo delle coordinate (cfr. Sect. 4.2). L'esposizione viene misurata con una bussola; il rilevatore staziona sul punto di campionamento e orienta la bussola verso valle, leggendo il valore dell'azimut magnetico. L'inclinazione viene misurata con un clisimetro. Il rilevatore staziona sul punto di campionamento inventariale e traguarda due paline, una posta a monte e l'altra a valle, a 25 m di distanza. Il valore di inclinazione registrato si ottiene mediando le due misurazioni.

La giacitura viene osservata con riferimento all'AdS25 (giacitura locale) e a un'area più vasta, da pochi ettari a qualche decina di ettari intorno al punto di campionamento (giacitura estesa). L'accidentalità del terreno, valutata sempre nell'AdS25, tiene conto della micro-morfologia determinata dalla presenza di ostacoli come massi, pietre, fossi e buche che possono condizionare le utilizzazioni (taglio, concentramento, esbosco) e in generale la fruizione dell'area. Infine, nell'AdS25 viene valutata la presenza di fenomeni di dissesto in corso, ripetuti o occasionali. Si registrano e classificano solo fenomeni estesi almeno su 100 m2 di territorio.

# *Pratiche selvicolturali, caratteristiche del soprassuolo, produzione*

Le pratiche selvicolturali vengono descritte per tipo e intensità; poiché queste sono strettamente dipendenti dai prodotti che si vogliono ottenere, il sistema di classificazione prevede classi per le pratiche orientate ad ottenere prodotti secondari non legnosi e per l'ottenimento di beni e servizi. Quando la gestione è fortemente orientata ad ottenere un prodotto o servizio specifico, il bosco è classificato come avente una funzione prioritaria, e si registra il prodotto o il servizio oggetto di interesse.

La disponibilità al prelievo legnoso è una informazione registrata sulla base di documenti (es. limitazioni da leggi sulla protezione dell'ambiente) o valutata sulla base della convenienza alle utilizzazioni, che può essere ridotta per esempio dallo scarso valore del prodotto in relazione alle difficoltà di accesso e di lavorazione dovute alle condizioni stazionali.

Tipo colturale e modalità di utilizzazioni sono rilevate osservando la struttura del soprassuolo e le sue caratteristiche fisionomiche, mentre le modalità di esbosco sono valutate prendendo in considerazione anche il tipo di materiale esboscato (es. legname da opera o legna da ardere), usi locali (ad esempio i sistemi di esbosco a fune sono diffusi principalmente sulle Alpi e poco sugli Appennini) e la presenza di viabilità.

La valutazione sullo stadio di sviluppo viene condotta sulla base delle caratteristiche strutturali, compositive e dimensionali, e così è anche per quella sulla classe di età, che viene richiesta solo per i popolamenti coetanei; tuttavia, il giudizio si avvale anche dei carotaggi descritti nella Section 4.3.8, che consentono di contare gli anelli annuali.

# *Stato di salute*

Il rilievo sulla presenza di malattie e danni ha l'obiettivo di fornire un quadro d'insieme sulle condizioni generali dello stato di salute delle foreste, registrando la presenza di questi quando presenti su almeno il 30% della copertura arborea nell'AdS25. Al raggiungimento di quella soglia, vengono valutati cause ed intensità della malattia o del danno. Nel caso in cui la malattia o il danno si manifestino con defogliazione, vengono registrate il suo grado di intensità e la localizzazione prevalente nella chioma.

# *Alberi misurati*

Gli individui di cui si misura il diametro sono quelli di specie legnose (per comodità indicati genericamente come alberi), vivi o morti, con d1.30 ≥ 4.5 cm entro l'AdS4 o d1.30 ≥ 9.5 cm nell'AdS13. L'appartenenza ad un'AdS viene verificata misurando la distanza tra il centro della stessa e l'asse passante per il centro della sezione dell'albero a 1.30 m da terra. Il diametro viene misurato con un cavalletto dendrometrico, con l'operatore a monte dell'albero su terreni con inclinazione maggiore di 10° oppure con l'asta del cavalletto orientata lungo il raggio dell'AdS, negli altri casi. Se il primo diametro così misurato è ≥ 9.5 cm, si misura un secondo diametro ortogonale. Di ogni albero cavallettato, si registrano la specie, la vitalità e integrità (Table 4.3), il dendrotipo (Table 4.4). Degli alberi troncati si misura anche l'altezza. Per gli alberi morti, si valuta la classe di decadimento secondo le descrizioni nella Table 4.5.

# *Alberi campione*

Tra gli alberi cavallettati, si selezionano dieci alberi campione per misurazioni aggiuntive. Si tratta dei cinque alberi più vicini al punto di campionamento inventariale, seguiti dai tre rimanenti con maggiore diametro e infine due definiti rari; questi ultimi sono alberi di specie non ancora o poco campionate tra i primi otto o di dimensioni non ancora comprese, in caso di boschi monospecifici. Quando possibile, gli alberi campione sono scelti tra quelli integri. Le misurazioni aggiuntive riguardano l'altezza totale, l'altezza di inserzione della chioma e la classificazione della posizione sociale (dominante, intermedia o sottoposta). L'altezza viene misurata con un ipsometro Haglof Vertex.

Ai fini delle stime di incremento, gli alberi campione vengono carotati con una trivella di Pressler, a 1.30 m da terra e lungo la direzione del raggio dell'AdS. Viene prelevata una sola carotina legnosa per albero e si misura con un righello l'incremento degli ultimi cinque anelli annuali (escluso quello dell'anno corrente). Le carote, opportunamente etichettate, sono inviate al laboratorio di dendrocronologia presso la sede di Trento del CREA Centro di ricerca Foreste e Legno, per le misurazioni di controllo.

# *Rinnovazione e arbusti*

Rinnovazione e arbusti sono distinti sulla base della lista di specie adottata da INFC; tale distinzione non ha rilevanza ai fini delle misurazioni, poiché queste interessano tutti i soggetti legnosi sulla sola base dei limiti dimensionali stabiliti. Rinnovazione e arbusti sono rappresentati da individui legnosi con diametro inferiore alla soglia di cavallettamento e più alti di 50 cm, rientranti nelle classi dimensionali descritte nella Table 4.6. Le misurazioni si compiono nelle due AdS2, poste a 10 m di distanza a Est e a Ovest del punto di campionamento inventariale (cfr. Chap. 2). Il rilievo consiste nel conteggio del numero di soggetti per specie e classe dimensionale. Di ogni specie viene registrata l'origine prevalente (artificiale, agamica, da seme), eventuali danni, se riguardanti almeno il 30% dei soggetti, e la loro causa, se riconoscibile (animali, es. pascolo o animali selvatici, o fattori meteorologici).

# *Legno morto grosso a terra e ceppaie residue*

Il legno morto grosso a terra (alberi interi, fusti, rami, ecc.) viene misurato fino alla sezione con diametro più piccolo ≥ 9.5 cm e se di lunghezza di almeno 9.5 cm. Ogni elemento viene idealmente diviso in frammenti regolari lunghi al massimo 2 m; di ogni frammento si misurano due diametri ortogonali tra loro delle sezioni estreme, nonché la distanza tra le due sezioni. Si registrano il gruppo specie (conifera o latifoglia) e la classe di decadimento secondo quanto indicato nella Table 4.5.

Le ceppaie residue sono le rimanenze di tagli o di schianti naturali che hanno lasciato monconi non più alti di 1.30 m e diametro di almeno 9.5 cm, entro l'AdS13. Si misurano due diametri ortogonali alla sezione di taglio e due altezze, la minima e la massima. Sono inoltre registrate la specie (se riconoscibile) e la classe di decadimento (Table 4.5); infine, si valuta se il taglio è avvenuto entro 12 mesi dal rilievo inventariale.

# **Registrazione informatica dei dati, database e INFC\_APP**

Il database di tipo relazionale progettato per archiviare nel server centrale i dati della campagna di rilievo è stato sviluppato in ambiente Oracle 10 g, ed è articolato in 27 tabelle (più di 280 campi) collegate tra loro tramite l'identificativo del punto come chiave primaria e quello dell'elemento misurato (albero, ceppaia, ecc.) come chiave secondaria, nelle tabelle dei dati quantitativi. L'accesso al server centrale avviene tramite autenticazione e protocolli di protezione variabili in relazione a quattro profili, associati a corrispondenti specifici ruoli dell'utente: referenti nazionali CUFA, ricercatore/analista CREA, coordinatore regionale, caposquadra rilievi. Il database contiene anche informazioni registrate durante la fotointerpretazione, realizzata in ambiente informatico diverso (cfr. Chap. 3), da validare o aggiornare durante i rilievi in campo.

Per i rilievi in campo è stata sviluppata l'applicazione INFC\_APP, residente in un tablet con SO Android 6.0 in dotazione a ciascuna squadra di rilevatori (Gasparini et al., 2020). La maggior parte dei dati precaricati e rilevati è contenuta in questa app, ad eccezione dei waypoint per la navigazione e dei file grezzi di posizionamento registrati con software Trimble Terrasync sul datalogger Trimble Juno SB. Lato client (tablet), il database è stato implementato tramite la libreria Sqlite.

Il flusso delle informazioni tra il tablet e il server centrale avviene attraverso connessione internet direttamente dal campo, con scheda 4G. Lo scambio di informazioni tra dispositivo tablet e server centrale avviene tramite web service Simple Object Access Protocol (SOAP) (Oracle, 2021). Con questo protocollo è possibile trasferire, oltre a dati alfanumerici, anche dati binari, nello specifico il file.ssf contenente le misure grezze per il posizionamento satellitare e i parametri qualitativi dello stesso. Il client invia una richiesta e resta in attesa di una risposta dal server.

Sono stati implementati quattro servizi web per la ricerca, il download, l'upload e l'aggiornamento dello stato dei punti, fondamentale per la distinzione tra i punti da rilevare, in lavorazione oppure conclusi. Il web service riceve in input il codice IMEI del tablet e invia al dispositivo in risposta la lista dei punti assegnati alla specifica squadra. A questo punto la squadra è abilitata a scaricare sul proprio tablet tutti gli attributi precaricati del punto da rilevare. Se la procedura si conclude correttamente, il tablet invoca automaticamente il servizio che modifica lo stato del punto, portandolo da "assegnato" a "in lavorazione", escludendolo in questo modo dalla lista dei punti che è possibile scaricare sui dispositivi. A conclusione del rilievo la squadra, invocando il servizio per l'upload dei dati, invia tutti i dati raccolti al database centrale, rendendoli visibili anche agli altri profili utente autorizzati all'accesso e alla consultazione. Gli upload possono essere parziali, come backup temporanei di un rilievo non ancora concluso, oppure finali per il trasferimento di tutti i dati a conclusione del rilievo. È possibile posticipare l'invio finale dei dati di un punto di campionamento al rientro in ufficio, per completare l'inserimento di alcune informazioni, come ad esempio i valori di lettura delle carote incrementali, operazione che di solito non viene eseguita in campo ma in un momento successivo.

La riservatezza dei dati durante la campagna di rilievo è garantita dalla costituzione di una lista di dispositivi autorizzati all'installazione della app e all'accesso al database in base al codice IMEI specifico di ciascun tablet.

Un requisito fondamentale previsto sin dalla fase di progettazione è stato quello che l'applicazione fosse user-friendly. L'interfaccia utente è stata realizzata attraverso un sistema di sezioni e maschere che guidano il rilevatore nello svolgimento logico e cronologico delle diverse fasi di rilievo e inserimento dei dati, dalla procedura di navigazione e posizionamento del punto di campionamento fino alla raccolta dei dati sugli attributi qualitativi e quantitativi. È possibile spostarsi liberamente tra le varie sezioni dell'applicativo, con il vincolo che per salvare i dati inseriti in una specifica sezione è necessaria una conferma esplicita. Dalla home screen è possibile consultare la documentazione di supporto (manualistica dei rilievi, istruzioni per l'uso degli strumenti, ecc.) senza uscire dall'applicativo. Le maschere sono di due tipi diversi: il primo è rappresentato da moduli di input dei dati (Fig. 4.5), il secondo è il risultato di query di riepilogo dei dati già inseriti, visualizzabili sia all'interno di ogni singola sezione sia nella home screen, facilitando così il controllo delle operazioni di raccolta dei dati da parte del rilevatore (Fig. 4.6).

Per tutte le variabili qualitative, che sono categoriche e vengono registrate scegliendo la classe opportuna, sono stati adottati schemi di codifica (look-up tables) in base ai quali la classe prescelta viene selezionata da un menù contenente la lista delle sole modalità possibili. Per gli attributi quantitativi, sono state inserite soglie dei valori possibili e messaggi di warning in presenza di valori possibili ma che si incontrano poco frequentemente. Sono state create anche combinazioni di maschere e sotto-maschere per l'inserimento di dati a dettaglio progressivamente superiore (Fig. 4.7). Il sistema di controlli automatici immediati dei dati in termini di plausibilità, congruenza e completezza, ha previsto anche un certo numero di controlli incrociati tra campi (Fig. 4.8).

# **Assistenza ai rilevatori, start-up e controllo dei dati**

# *Start-up e assistenza da remoto alle squadre*

All'inizio della campagna di rilievi al suolo, le squadre hanno eseguito valutazioni e misurazioni su punti inventariali a loro assegnati sotto la guida del personale della sede di Trento del CREA Centro di ricerca Foreste e Legno. Questo ha consentito di ripassare quanto appreso nei corsi di formazione e anche di applicare le procedure avendo a che fare con eventuali particolarità della zona di competenza. Per un Paese con grande variabilità nei caratteri vegetazionali come l'Italia, questo secondo aspetto ha una rilevanza non secondaria.

Durante tutto il periodo di rilievi in campo, è stato operativo presso il CREA Centro di ricerca Foreste e Legno di Trento un centro di assistenza help-desk, raggiungibile via telefono o e-mail. L'assistenza alle squadre è consistita nel discutere di quesiti relativi a qualsiasi aspetto riguardante le modalità di rilievo, soprattutto per risolvere dubbi e incertezze da cui possono derivare interpretazioni difformi o errate. Infatti, in molti casi le domande hanno riguardato casi particolari, di situazioni non incontrate frequentemente, per esempio per condizioni di pericolo in aree difficili da percorrere. Le domande venivano registrate in un database, in modo da costituire una casistica che potesse assicurare interpretazioni uniformi a casi particolari analoghi, ma soprattutto perché la catalogazione consente di derivare statistiche sugli argomenti con maggiore frequenza di richiesta di chiarimenti. Sulla base di queste statistiche, è stato possibile richiamare l'attenzione delle squadre (tutte o solo quelle potenzialmente interessate) su errori commessi o possibili, per prevenirne la reiterazione o l'insorgenza. Il database delle domande ha consentito anche di monitorare malfunzionamenti dei controlli automatici di INFC\_APP, soprattutto nelle sue prime versioni, e di suggerirne ulteriori miglioramenti.

# *Controllo di qualità dei dati e collaudo*

La conduzione con regolarità di controlli nel database centrale è fondamentale per garantire dati di buona qualità. I controlli permettono anche di monitorare l'avanzamento dei lavori, individuando così eventuali rallentamenti dovuti a problemi nella conduzione dei rilievi. Nel caso di INFC2015, i controlli hanno consentito anche di verificare che le quadre inviassero il materiale richiesto. Queste, infatti, dovevano spedire le carotine legnose al laboratorio di dendrocronologia del CREA Centro di ricerca Foreste e Legno in Trento, nonché copie di backup delle fotografie scattate, entro tempi definiti dall'invio dei dati rilevati al database centrale.

I controlli nel database durante la fase dei rilievi sono stati finalizzati ad assicurare la completezza, la plausibilità e la coerenza delle informazioni. Con completezza si intende che tutti i dati richiesti siano stati effettivamente registrati. Si tratta della tipologia di controlli più efficacemente automatizzabile nel software utilizzato dalle squadre. Tuttavia, il controllo rimane sempre opportuno e necessario, per verificare il corretto funzionamento dei controlli automatici implementati. In un numero molto esiguo di casi, infatti, problemi legati ai controlli automatici nelle prime versioni di INFC\_APP hanno determinato una perdita parziale di dati, subito evidenziata dai controlli. La verifica dell'avvenuta e regolare consegna dei materiali sopra indicati rappresenta un caso particolare di controlli di completezza. La plausibilità indica che un'informazione è credibile in senso generico. Un esempio di valutazione non plausibile di variabile qualitativa è la presenza di una specie in un contesto dove non può trovarsi (ad esempio la quercia da sughero sulle Alpi); un altro per una variabile quantitativa è la registrazione di un valore di dimensione che non può essere raggiunto (ad esempio, altezze eccessive per gli alberi). Questi due esempi evidenziano anche i limiti dell'automazione dei controlli e l'importanza della valutazione basata su controlli dei dati nel database eseguiti da operatori esperti. Infatti, possono esistere zone limite dove non ci si attende di trovare una specie, ma dove la sua presenza non può essere esclusa in senso assoluto, come pure possono esistere altezze di alberi possibili in termini assoluti, ma sospette per alcuni soprassuoli in specifiche condizioni stazionali. La coerenza, infine, riguarda la possibilità e la logicità delle informazioni relative a due variabili correlate; in altri termini, entrambe le informazioni sono possibili di per sé, ma quando fornite insieme il valore che esse possono assumere è reciprocamente condizionato. I controlli di plausibilità e di coerenza sono stati svolti mediante l'incrocio delle informazioni presenti nell'archivio INFC2015, ma anche paragonando queste ultime con le informazioni contenute nell'archivio INFC2005, quando necessario.

Il collaudo finale dopo la conclusione dei lavori in campo è stato condotto da personale non coinvolto nei rilievi stessi. Sono state nuovamente rilevate alcune AdS per regione, in presenza delle squadre di rilevatori, e i risultati ottenuti confrontati con i dati precedentemente trasmessi da questi al database centrale. Il confronto ha consentito di verificare il grado di riproducibilità dei dati. Per ogni variabile misurata, era stata stabilita una percentuale di discordanza massima ammissibile e sulla base della concordanza è stato assegnato un punteggio; il punteggio finale è stato calcolato sulla base dei punteggi parziali. Le squadre sapevano fin dall'inizio che il loro lavoro sarebbe stato valutato e per questo motivo, sebbene il numero dei punti controllati sia stato limitato, il collaudo ha costituito una motivazione per mantenere alto il livello di qualità durante tutta la campagna di rilievi al suolo.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 5 Procedures for the Estimation of Forest Inventory Quantities**

# **Procedure di stima delle grandezze inventariali**

### **Maria Michela Dickson and Diego Giuliani**

**Abstract** This chapter aims at illustrating the statistical procedures adopted to estimate the unknown values of the parameters of interest of the forest inventory. In particular, it firstly describes how the data collected during the second phase of the sampling plan have been used to estimate the areal extents of the different land use and cover categories. Secondly, it illustrates the procedures to properly estimate the total and density values of the quantities measured during the third phase of the survey campaign. These procedures were developed for INFC2005 and, as explained in this chapter, are still valid for INFC2015.

**Keywords** Unbiased estimators · Areal extent estimation · Total and density estimation

# **5.1 Introduction**

In order to estimate the unknown values of the parameters of interest of the forest inventory, using the data collected through the survey campaign, it is required to apply the correct statistical procedures. In other words, it is necessary to identify the proper unbiased estimators. This chapter describes the unbiased estimators that were developed for the survey campaign of INFC2005 and explains why they can still be used for the campaign of INFC2015.

First of all, it is important to clarify which parameters of the forest inventory need to be estimated. It should be considered that the national territory is subdivided into *L* territorial districts (corresponding to the 21 Italian regions and autonomous provinces, called "regions" in the following text), with areal extents equal to *A*1*, A*2*,..., Ai,..., AL* , respectively. The total areal extent of Italy is therefore equal to *A* = -*L <sup>l</sup>*=<sup>1</sup>*Al* . Each region is characterised by *K* = *N F* + *F* + 1 land categories, where *N F* is the number of non-woodland categories (set equal to one in

M. M. Dickson (B) · D. Giuliani

Department of Economics and Management, University of Trento, Trento, Italy e-mail: mariamichela.dickson@unitn.it

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_5

INFC to simplify the estimation), *F* indicates the number of woodland categories, while the residual class comprises the categories that are excluded from the inventory.

The main population parameters of interest that can be estimated with the data collected during the second phase of the sampling plan are the *K* × *L* region-level areal extents of the categories {*akl* : *k* = 1*,..., K,l* = 1*,..., L*}. Aggregations of these quantities provide other interesting information, such as the areal extent of category *k* in the entire national territory, *Ak* = -*L <sup>l</sup>*=<sup>1</sup>*akl* ; the areal extent of a subset *C* of some categories for a given region *l*, *aCl* = - *<sup>k</sup>*∈*<sup>C</sup>akl* , or for the entire country, *aC* = -*L <sup>l</sup>*=<sup>1</sup>*aCl* .

The main population parameters that can be estimated at the end of the third phase of the sampling plan concern the measured quantitative variables, such as the number of trees, the growing stock volume and the biomass. In particular, for any measured variable, it is possible to estimate the *F* × *L* total values *tkl* for any combination of woodland category and region. Analogously to the *akl* parameters, aggregations of *tkl* may also be of particular interest. Specifically, for a given variable, the quantity *T* = -*K k*=1 -*L <sup>l</sup>*=<sup>1</sup>*tkl* corresponds to the overall value in the entire territory; *Tl* = -*K <sup>k</sup>*=<sup>1</sup>*tkl* represents the overall value in region *l*; and *Tk* = -*L <sup>l</sup>*=<sup>1</sup>*tkl* indicates the overall value for the category *k* in the whole area. Moreover, for a given subset *C* of categories, it is also interesting to know the overall value of the variable in region *l*, *tCl* = - *<sup>k</sup>*∈*<sup>C</sup>tkl* , and the overall value over the entire territory, *tC* = -*L <sup>l</sup>*=<sup>1</sup>*tCl* . Another set of relevant parameters is the *F* × *L* density values *dkl* = *tkl/akl* and their aggregations, that is *dk* = *tk/ak* , *dl* = *tl/al* , *dCl* = *tCl/aCl* and *dC* = *tC/aC*.

Proper estimates of all these parameters and their corresponding variances can be obtained using the estimators developed for the survey campaign of INFC2005 (Fattorini et al., 2011). Such estimators are explained in the following sections of this chapter. In particular, Sect. 5.2 provides an essential description of the estimators of areal extents, while Sect. 5.3 briefly illustrates the estimation procedures of the total and density values of quantitative variables. Section 5.4 concludes explaining why these estimators are still valid for the survey campaign of INFC2015.

# **5.2 Estimation of Areal Extents**

According to the sampling design adopted for INFC2005, during the first phase of the survey campaign (cf. Chap. 2), a point is selected at random in each of the *N Q* quadrats of the sampling grid. The *N*<sup>0</sup> ≤ *N Q* selected points are then classified, according to aerial photointerpretation, into *H* = *N F* + *V* + 1 land use and cover strata, where *V < F* strata refer to a less detailed classification of the *F* categories (cf. Sect. 5.1). The last residual stratum includes all the points that the aerial photointerpretation cannot properly classify.

The *N*<sup>0</sup> points are also classified according to the region, thus leading to a twoway stratification characterised by *H* × *L* strata, each denoted as U*hl* , with size *Nhl(h* = 1*,..., H,l* = 1*,..., L)*.

#### 5 Procedures for the Estimation of Forest Inventory Quantities 105

For any stratum *hl* relative to the *V* categories and non-classifiable land category, that is where *h* = *N F* + 1*,..., H*, if *Nhl >* 0, a sample S*hl* of *nhl* points is selected through simple random sampling without replacement. The sampled points are then observed on the field in order to correct possible classification errors arising during the aerial photointerpretation. To the contrary, points belonging to the strata relative to *NF* categories, those with *h* = 1*,..., N F*, are not sampled (cf. Chap. 2).

Following Fattorini et al. (2006) an unbiased estimator of *akl* is

$$\hat{a}\_{kl} = R\left\{w\_{kl} + \sum\_{h > NF} w\_{hl} w\_{khl}\right\}, k = 1, \dots, NF, l = 1, \dots, L \qquad (5.1)$$

or

$$\hat{a}\_{kl} = R \sum\_{h \sim NF} w\_{hl} w\_{khl}, k = NF + 1, \dots, K, l = 1, \dots, L \tag{5.2}$$

where *R* is the overall areal extent of the *N Q* quadrats, *whl* = *Nhl/N Q* is the weight of stratum *hl*, *wkl* = *Nkl/N Q* is the weight of stratum *kl* relative to the non-woodland categories that are not sampled during the second phase, and *wkhl* = *nkhl/nhl* is the share of points of S*hl* belonging to land category *k*.

Fattorini et al. (2006) also show that a conservative estimator of the variance of *a kl* is

$$\hat{v}(\hat{a}\_{kl}) = \frac{\mathcal{R}^2}{N\mathcal{Q} - 1} \left| w\_{kl} + \sum\_{h > NF} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{hl} w\_{khl} - \sum\_{h > NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl}^2 - p\_{kl}^2 \right|, \tag{5.3}$$

$$k = 1, \dots, NF, l = 1, \dots, L \tag{5.3}$$

or

$$\hat{v}(\hat{a}\_{kl}) = \frac{\mathcal{R}^2}{N\mathcal{Q} - 1} \left\{ \sum\_{h > NF} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{hl} w\_{khl} - \sum\_{h > NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl}^2 - p\_{kl}^2 \right\},$$

$$k = NF + 1, \dots, K, l = 1, \dots, L \tag{5.4}$$

where *pkl* = *a kl/R*.

In applying Eqs. 5.3 and 5.4, it is necessary that if *Nhl >* 1 then *nkl* ≥ 2 while if *Nhl* = 1 then *nkl* ≥ 1.

In order to estimate the variances of aggregations of *a kl* , such as *A <sup>k</sup>* = -*L <sup>l</sup>*=<sup>1</sup>*a kl* , the covariances among the estimates involved in the aggregations are also needed. According to Fattorini et al. (2006), the covariance between *a kl* and *a*ˆ*<sup>k</sup> <sup>l</sup>* can be properly estimated with

$$\hat{c}\left(\hat{a}\_{kl},\hat{a}\_{k'l}\right) = -\frac{R^2}{N\mathcal{Q}-1} \left\{ \sum\_{k>NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl} w\_{k'hl} + p\_{kl} p\_{k'l} \right\},$$

$$k' \neq k = 1, \dots, K, l = 1, \dots, L \tag{5.5}$$

while the covariance between *a kl* and *a*ˆ*<sup>k</sup> <sup>l</sup>* should be estimated using

$$\hat{c}\left(\hat{a}\_{kl},\hat{a}\_{k'l'}\right) = \frac{\hat{a}\_{kl}\hat{a}\_{k'l'}}{N\mathcal{Q}-1}, k, k'=1,\ldots,K, l'\neq l,\ldots,L\tag{5.6}$$

Although Eqs. 5.1 and 5.2 represent unbiased estimators of the areal extents for all the combinations of land category and region, the sum of the *K* × *L* estimates *a kl* is not precisely equal to *A*. It is indeed equal to *R* times the share of points collected during the first sampling phase that fall within the borders of the national territory. Analogously, for each *kl* stratum, -*K <sup>k</sup>*=1*a kl* is not equal to *Al* since it corresponds to *R* times the share of points falling in the region *l*.

Since the values of *A* and *Al* are known, the problem can be solved by calibrating the *a kl*-values so that the territorial totals correspond to the actual values. The calibration can be done using the following calibration factor,

$$p\_{kl}^{cal} = \hat{a}\_{kl} / \sum\_{k=1}^{K} \hat{a}\_{kl}, l = 1, \dots, L \tag{5.7}$$

which is characterised by the fact that -*K <sup>k</sup>*=<sup>1</sup> *<sup>p</sup>cal kl* = 1 for any region *l*.

The calibrated estimates of areal extents can then be obtained as

$$
\hat{a}\_{kl}^{cal} = A\_l \times p\_{kl}^{cal}.\tag{5.8}
$$

The formulas to estimate the variances and covariances for *a cal kl* can be found in Fattorini et al. (2006).

# **5.3 Estimation of Total and Density Values of Quantitative Variables**

During the third phase of the sampling procedure, for any of the *(V* + 1*)* × *L* × *F* second phase stratum concerning a Forest category, if *nkhl >* 0, a sample Q*khl* of *mkhl* points is selected through simple random sampling without replacement. Each sampled point is then observed on the field and the amount of any variable of interest is measured within a circular area centred on it (cf. Chaps. 2 and 4). According to Fattorini et al. (2006), the obtained data can then be used to estimate *tkl* , for any variable, through the following unbiased estimator

5 Procedures for the Estimation of Forest Inventory Quantities 107

$$\hat{t}\_{kl} = N\mathcal{Q} \sum\_{h \sim NF} w\_{hl} w\_{khl} \overline{x}\_{khl}, k = NF + 1, \dots, K, l = 1, \dots, L \qquad (5.9)$$

where *xkhl* is the sample mean of the Horvitz-Thompson total estimates of the variable observed in the sample points of stratum *khl*.

Fattorini et al. (2006) also provide conservative estimators of the variances and covariances of *t kl* , that is

$$
\begin{split}
\hat{\boldsymbol{w}}(\hat{t}\_{kl}) &= \frac{N\boldsymbol{Q}^{2}}{N\boldsymbol{Q}-1} \Bigg\{ \sum\_{h>NF} \boldsymbol{w}\_{hl} \frac{N\_{hl}-1}{n\_{hl}-1} \boldsymbol{w}\_{khl} (\boldsymbol{n}\_{khl}-1) \frac{\boldsymbol{s}\_{khl}^{2}}{m\_{khl}}, \\ &+ \sum\_{h>NF} \boldsymbol{w}\_{hl} \frac{N\_{hl}-1}{n\_{hl}-1} \boldsymbol{w}\_{khl} (1-\boldsymbol{w}\_{khl}) \overline{\boldsymbol{x}}\_{khl}^{2} + \sum\_{h>NF} \boldsymbol{w}\_{hl} \boldsymbol{w}\_{khl}^{2} \overline{\boldsymbol{x}}\_{khl}^{2} - \overline{\boldsymbol{x}}\_{hl}^{2} \Bigg\} \\ &k = NF+1, \ldots, K, l = 1, \ldots, L, \tag{5.10}
\end{split}
$$

$$\hat{c}(\hat{\mathbf{t}}\_{kl}, \hat{\mathbf{t}}\_{k'l}) = -\frac{N\mathcal{Q}^2}{N\mathcal{Q} - 1} \left\{ \sum\_{k > N\mathcal{F}} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl} w\_{k'hl} \overline{\mathbf{x}}\_{khl} \overline{\mathbf{x}}\_{k'hl} + \overline{\mathbf{x}}\_{khl} \overline{\mathbf{x}}\_{k'hl} \right\},$$
 
$$k' \neq k = NF + 1, \dots, K, l = 1, \dots, L,\tag{5.11}$$

and

$$\hat{c}(\hat{t}\_{kl}, \hat{t}\_{k'l'}) = \frac{\hat{t}\_{kl}\hat{t}\_{k'l'}}{N\mathcal{Q} - 1}, k, k' = NF + 1, \dots, K, l' \neq l, \dots, L \tag{5.12}$$

where *s*<sup>2</sup> *khl* is the sample variance of the estimated values of the variable observed in the sample points of stratum *khl*.

In applying Eq. 5.9, it is necessary that if *nkhl >* 1 then *mkhl* ≥ 2 while if *nkhl* = 1 then *mkl* ≥ 1.

The density values, *dkl* , can be straightforwardly estimated with

$$
\hat{d}\_{kl} = \hat{t}\_{kl} / \hat{a}\_{kl}^{cal} \,. \tag{5.13}
$$

Unfortunately, the variance of *d kl* , which is a ratio estimator, is intractable. Approximate unbiased estimates of the variances and covariances of (5.13) can however be obtained using the common approach of linearising the ratio using the first leading term of its Taylor series expansion (Särndal et al., 1992). The reliability and precision of these approximated estimates depend on the level of precision of *t kl* and *a cal kl* . For this reason, in some circumstances the error of density estimates has not been reported.

For the survey campaign of INFC2005, the estimators described by Eqs. (5.9) and (5.10) were also modified to obtain the estimates of the total values of the quantitative variables for subsets of population units (e.g., the trees) identified by relevant qualitative attributes, such as the tree species. Let us consider *M* non-overlapping subsets. The total value, *tkml* , of a quantitative variable of interest for subset *m*, forest category *k*, and region *l* can be properly estimated with

$$\hat{t}\_{kml} = N\mathcal{Q} \sum\_{h>NW} w\_{hl} w\_{khl} \overline{x}\_{kmll}$$

$$k = NF + 1, \dots, K - 1, \ m = 1, \dots, M, \ l = 1, \dots, L. \tag{5.14}$$

The estimated variance of *t kml* is therefore

$$
\begin{split}
\hat{\upsilon}\left(\hat{\imath}\_{km}\right) &= \frac{N\mathcal{Q}^2}{N\mathcal{Q}-1} \Bigg\{ \sum\_{h>NF} w\_{hl} \frac{N\_{hl}-1}{n\_{hl}-1} w\_{khl} (n\_{khl}-1) \frac{\mathbf{s}\_{kmhl}^2}{m\_{khl}} \\ &+ \sum\_{h>NF} w\_{hl} \frac{N\_{hl}-1}{n\_{hl}-1} w\_{khl} (1-w\_{khl}) \overline{\mathbf{x}}\_{kmhl}^2 \\ &+ \sum\_{h>NF} w\_{hl} w\_{khl}^2 \overline{\mathbf{x}}\_{kmhl}^2 - \overline{\mathbf{x}}\_{klm}^2 \Bigg\} \\ &k = NF+1, \dots, K-1, \ m = 1, \dots, M, \ l = 1, \dots, L,\end{split} \tag{5.15}
$$

where *xkmhl* and *s*<sup>2</sup> *kmhl* are, respectively, the sample mean and sample variance of the estimated values of the variable observed in the sample points of stratum *khl* for the population units that belong to subset *m*.

Further modifications of the estimators have allowed also to provide estimates for two specific cases. On the one hand, they have been modified to estimate the areal extents of forest categories for subsets, *m* = 1*,..., M*, of sample points identified by qualitative attributes measured during the third phase of the sampling plan. On the other hand, they have been modified to estimate *akml* and *tkml* in those circumstances in which subset *m* is identified during the second phase of the sampling plan. See Fattorini et al. (2011) for further details about these estimators.

# **5.4 Comparison Between the Two Forest Inventories**

The presented estimation strategy has been used during the estimation process of the parameter of interest for INFC2005. Such strategy also remained valid for the estimation process of INFC2015. Indeed, the modifications occurred among the two forest inventories have no impact on the use of the estimation strategy, as explained in the following.

The sampling plan adopted for INFC2005 consisted of a three-phase structure (cf. Chap. 2). In the first phase, carried out using aerial photointerpretation, the area was divided into polygons of equal size (1 km2), from which a point was randomly selected (one from each polygon). Then the population of such selected points was divided into 21 strata corresponding to the territorial districts of the national territory (regions), and into strata corresponding to the land use and cover categories. In the second phase, carried out by surveys on the ground, a stratified sample of points was selected from the strata defined in the first phase only for land use and cover categories of interest for INCF2005. The selected sample points were assigned then to strata corresponding to the forest types. In the third phase, from each Forest stratum, an additional sample of points was selected. Then, plots were laid out around each of these points, in order to define the area on which the measurements of the variables were carried out (cf. Chap. 4).

In INFC2015, the adopted sampling plan did not suffer substantial changes. Indeed, the three-phase structure was maintained: the first was designed to classify the land use and cover; the second was aimed at definitively classifying the land use and cover and forest types in correspondence of sampling points; sought to define the areas for the survey of interest variables. Therefore, the sampling plan did not undergo any changes that altered its original design. The changes made in the INFC2015 have regarded exclusively the definition of strata and the sample sizes. Specifically:


As explained, the modifications occurred as a result of slightly different systems of aerial photointerpretation adopted during the INFC2015 and of changes in the classes/subclasses of interest. All this resulted in a different number of strata among INCF2005 and INCF2015, as well changes to some units from a stratum to another in the two survey waves. Nevertheless, from a methodological point of view, the sampling plan adopted during the two waves remained the same, since it was a three-phase design, with the definition of areas at each phase based on stratification. This fact confirmed the possibility of using the same estimation techniques adopted during the INCF2005 for INCF2015, both for the estimation of areal extents and for the values of the interest variables.

The estimators used for INCF2015 were implemented in the open source software R (R Core Team, 2020), a free environment for statistical computing.

# **Appendix (Italian Version)**

**Riassunto** Questo capitolo si occupa di illustrare le procedure statistiche adottate per stimare i valori incogniti dei parametri di interesse per l'inventario forestale. In particolare, viene innanzitutto descritto come i dati raccolti durante la seconda fase del piano di campionamento sono stati utilizzati per stimare le superfici delle diverse categorie di uso e copertura del suolo. In secondo luogo, vengono illustrate le procedure per stimare in maniera appropriata i valori totali e di densità delle grandezze rilevate nel corso della terza fase dell'indagine campionaria. Tali procedure sono state sviluppate in occasione dell'INFC2005 e, come spiegato in questo capitolo, sono valide anche per l'INFC2015.

# **Introduzione**

Per stimare i valori incogniti dei parametri oggetto di interesse dell'inventario forestale, utilizzando i dati rilevati mediante l'indagine campionaria, è necessario impiegare le procedure statistiche adeguate. In altre parole, si devono identificare gli appropriati stimatori corretti. Questo capitolo descrive gli stimatori corretti che sono stati sviluppati in occasione dell'indagine campionaria per l'INFC2005 e spiega perché possono essere utilizzati anche per l'indagine riguardante l'INFC2015.

Innanzitutto è importante definire quali sono i parametri oggetto di stima dell'inventario forestale (NFI). A tale fine, si deve considerare che il territorio nazionale è suddiviso in *L* distretti territoriali corrispondenti alle 21 regioni e province autonome italiane, chiamate "regioni" nel testo che segue. Le superfici delle *L* regioni sono indicate, rispettivamente, con *A*1*, A*2*,..., Ai,..., AL* . La superficie complessiva dell'Italia è dunque uguale a *A* = -*L <sup>l</sup>*=<sup>1</sup>*Al* . Ciascuna regione è caratterizzata da *K* = *N F* + *F* + 1 categorie, in cui *N F* è il numero delle categorie non facenti parte della Superficie forestale (in INFC posto uguale a uno per semplificare il calcolo), *F* indica il numero di categorie facenti parte della Superficie forestale, mentre la classe residua comprende le categorie che sono state escluse dall'inventario.

I parametri principali oggetto di interesse che possono essere stimati utilizzando i dati rilevati durante la seconda fase del piano di campionamento sono le *K* ×*L* superfici a livello di singola regione delle diverse categorie di copertura, qui indicate con {*akl* : *k* = 1*,..., K,l* = 1*,..., L*}. Differenti aggregazioni di queste grandezze quali la superficie della categoria *k* nell'intero territorio nazionale, *Ak* = -*L <sup>l</sup>*=<sup>1</sup>*akl* , la superficie complessiva di un sottoinsieme *C* di alcune categorie in una data regione *l*, *aCl* = - *<sup>k</sup>*∈*<sup>C</sup>akl* , o nell'intero paese, *aC* = -*L <sup>l</sup>*=<sup>1</sup>*aCl*—forniscono ulteriori informazioni utili.

I parametri principali oggetto di interesse che possono essere stimati al termine della terza fase del piano di campionamento riguardano, invece, le variabili quantitative rilevate al suolo, quali il numero di alberi, il volume o la biomassa. In particolare, per ognuna di queste variabili, è possibile stimare gli *F* × *L* valori totali, *tkl* , per tutte le combinazioni di categoria forestale e regione. Come per i parametri *akl* , anche le aggregazioni dei valori di *tkl* possono essere di particolare interesse. Nello specifico, per una data variabile, la grandezza *T* = -*K k*=1 -*L <sup>l</sup>*=<sup>1</sup>*tkl* corrisponde al valore totale nel territorio nazionale; *Tl* = -*K <sup>k</sup>*=<sup>1</sup>*tkl* corrisponde al valore totale nella regione *l*; e *Tk* = -*L <sup>l</sup>*=<sup>1</sup>*tkl* indica il valore totale per la categoria *k* nel territorio nazionale. Per un dato sottoinsieme *C* di categorie, è inoltre interessante conoscere il valore della variabile nella regione *l*, *tCl* = - *<sup>k</sup>*∈*<sup>C</sup>tkl* , e nell'intero territorio nazionale, *tC* = -*L <sup>l</sup>*=<sup>1</sup>*tCl* . Un altro insieme di parametri rilevanti è costituito dagli *F* × *L* valori di densità *dkl* = *tkl/akl* e da aggregazioni dei medesimi, ossia *dk* = *tk/ak* , *dl* = *tl/al* , *dCl* = *tCl/aCl* e *dC* = *tC/aC*.

Stime appropriate di tutti questi parametri e delle rispettive varianze possono essere ottenute utilizzando gli stimatori sviluppati per l'indagine campionaria dell'INFC2005 (Fattorini et al., 2011). Tali stimatori sono spiegati nelle sezioni successive di questo capitolo. In particolare, la Sect. 5.2 fornisce una descrizione essenziale degli stimatori delle superfici mentre la Sect. 5.3 illustra brevemente le procedure di stima dei valori totali e di densità delle variabili quantitative. Infine, la Sect. 5.4 conclude il capitolo spiegando perché questi stimatori rimangono validi anche per l'indagine campionaria dell'INFC2015.

# **Stima delle superfici**

In base al disegno campionario adottato per l'INFC2005 durante la prima fase dell'indagine campionaria (cfr. Chap. 2), per ognuno degli *N Q* quadrati del reticolo, viene selezionato un punto in maniera casuale. Gli *N*<sup>0</sup> ≤ *N Q* punti selezionati sono poi classificati, mediante fotointerpretazione, in *H* = *N F* + *V* + 1 strati di uso e copertura del suolo, in cui i *V < F* strati si riferiscono a una classificazione meno dettagliata delle *F* categorie di interesse forestale di cui si intende stimare la superficie (cfr. Sect. 5.1). L'ultimo strato residuo comprende tutti i punti per i quali la fotointerpretazione non ha dato esiti sufficientemente precisi per quanto riguarda l'uso e la copertura del suolo.

Gli *N*<sup>0</sup> punti sono classificati anche in base alla regione di appartenenza. Si ha dunque una doppia stratificazione caratterizzata da *H* × *L* strati, ciascuno indicato con U*hl* e di dimensione pari a *Nhl(h* = 1*,..., H,l* = 1*,..., L)*.

Per ogni strato *hl* relativo ad una delle *V* categorie o alla categoria residua dei punti non classificabili, ossia in cui *h* = *N F* + 1*,..., H*, se *Nhl >* 0, viene selezionato un campione S*hl* di *nhl* punti mediante campionamento casuale semplice senza ripetizione. I punti campionati vengono poi visitati a terra allo scopo di correggere eventuali errori di classificazione commessi durante la fase della fotointerpretazione. I punti, invece, appartenenti agli strati con *h* = 1*,..., N F*, relativi alle categorie NFOWL, non vengono campionati (cf. Chap. 2).

Secondo Fattorini et al. (2006) uno stimatore corretto di *akl* è

$$\hat{a}\_{kl} = R\left\{w\_{kl} + \sum\_{h \ge NF} w\_{hl} w\_{khl}\right\}, k = 1, \dots, NF, l = 1, \dots, L\tag{5.16}$$

oppure

$$\hat{a}\_{kl} = R \sum\_{h \sim NF} w\_{hl} w\_{khl}, k = NF + 1, \dots, K, l = 1, \dots, L \tag{5.17}$$

dove *R* è la superficie complessiva degli *N Q* quadrati, *whl* = *Nhl/N Q* è il peso dello strato *hl, wkl* = *Nkl/N Q* è il peso dello strato *kl* relativo alle categorie non facenti parte della Superficie forestale i cui punti non sono stati campionati durante la seconda fase e *wkhl* = *nkhl/nhl* è la quota di punti di S*hl* appartenenti alla categoria *k*.

Fattorini et al. (2006) dimostrano, inoltre, che uno stimatore conservativo della varianza di *a kl* è

$$\hat{v}(\hat{a}\_{kl}) = \frac{R^2}{N\mathcal{Q} - 1} \left\{ w\_{kl} + \sum\_{h > NF} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{hl} w\_{khl} - \sum\_{h > NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl}^2 - p\_{kl}^2 \right\},$$

$$k = 1, \dots, NF, l = 1, \dots, L \tag{5.18}$$

oppure

$$\hat{v}(\hat{a}\_{kl}) = \frac{\mathcal{R}^2}{N\mathcal{Q} - 1} \left\{ \sum\_{h > NF} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{hl} w\_{khl} - \sum\_{h > NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl}^2 - p\_{kl}^2 \right\},$$

$$k = NF + 1, \dots, K, l = 1, \dots, L \tag{5.19}$$

dove *pkl* = *a kl/R*.

Nell'utilizzare gli stimatori descritti dalle Equazioni 5.18 e 5.19, se *Nhl >* 1 allora è necessario che *nkl* ≥ 2; mentre se *Nhl* = 1 allora deve valere che *nkl* ≥ 1*.*

Per poter stimare le varianze delle diverse aggregazioni di *a kl* , come ad esempio, *A <sup>k</sup>* = -*L <sup>l</sup>*=<sup>1</sup>*a kl* , è necessario ottenere anche le covarianze delle stime coinvolte nelle aggregazioni. Fattorini et al. (2006) dimostrano che la covarianza tra *a kl* e *a*ˆ*<sup>k</sup> <sup>l</sup>* può essere stimata in maniera appropriata con

#### 5 Procedures for the Estimation of Forest Inventory Quantities 113

$$\hat{c}\left(\hat{a}\_{kl},\hat{a}\_{k'l}\right) = -\frac{R^2}{N\mathcal{Q}-1} \left\{ \sum\_{k>NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl} w\_{k'hl} + p\_{kl} p\_{k'l} \right\},$$

$$k' \neq k = 1, \dots, K, l = 1, \dots, L \tag{5.20}$$

mentre la covarianza tra *a kl* and *a*ˆ*<sup>k</sup> <sup>l</sup>* dovrebbe essere stimata ricorrendo allo stimatore seguente,

$$\hat{c}\left(\hat{a}\_{kl},\hat{a}\_{k'l'}\right) = \frac{\hat{a}\_{kl}\hat{a}\_{k'l'}}{N\mathcal{Q} - 1}, k, k' = 1, \dots, K, l' \neq l, \dots, L \tag{5.21}$$

Sebbene le Equazioni 5.16 e 5.17 rappresentino stimatori corretti delle superfici per tutte le combinazioni di categoria e regione, la somma delle *K* × *L* stime di *a kl* non corrisponde esattamente ad *A*. Tale somma, infatti, è uguale a *R* volte la quota di punti, rilevati durante la prima fase di campionamento, che cadono entro i confini del territorio nazionale. In modo analogo, per ciascun strato *kl*, -*K <sup>k</sup>*=1*a kl* non è uguale a *Al* poiché corrisponde a *R* volte la quota di punti che cadono nella regione *l*.

Dato che i valori di *A* e *Al* sono noti, il problema può essere risolto calibrando i valori di *a kl* in modo tale che i totali per territorio corrispondano ai valori effettivi. Ciò può essere ottenuto utilizzato il fattore di calibrazione seguente,

$$p\_{kl}^{cal} = \hat{a}\_{kl} / \sum\_{k=1}^{K} \hat{a}\_{kl}, l = 1, \dots, L \tag{5.22}$$

rispetto al quale -*K <sup>k</sup>*=<sup>1</sup> *<sup>p</sup>cal kl* = 1 per ogni regione *l*.

Si possono dunque ottenere le stime calibrate delle superfici con

$$
\hat{a}\_{kl}^{cal} = A\_l \times p\_{kl}^{cal}.\tag{5.23}
$$

Le formule per la stima delle varianze e covarianze di *a cal kl* sono riportate in Fattorini et al. (2006).

# **Stima dei valori totali e di densità delle variabili quantitative**

Durante la terza fase della procedura di campionamento, per gli strati riferibili ad una categoria del Bosco tra i *(V* + 1*)* × *L* × *F* strati di seconda fase, se *nkhl >* 0 allora viene selezionato un campione Q*khl* di *mkhl* punti mediante campionamento casuale semplice senza ripetizione. Ciascun punto selezionato viene poi visitato a terra così da rilevare l'ammontare di ogni variabile di interesse entro un'area circolare centrata su di esso (cfr. Chaps. 2 e 4). Secondo Fattorini et al. (2006), i dati ottenuti possono essere utilizzati per stimare il parametro *tkl* , per ogni variabile, utilizzando il seguente stimatore corretto

$$\hat{t}\_{kl} = N\mathcal{Q} \sum\_{h>NF} w\_{hl} w\_{khl} \overline{x}\_{khl}, k = NF+1, \dots, K, l = 1, \dots, L \tag{5.24}$$

dove *xkhl* è la media cam-pio-na-ria delle stime di Horvitz-Thompson dei totali della variabile osservata nei punti campionati dello strato *khl.*

Fattorini et al. (2006) indicano anche quali sono gli stimatori conservativi delle varianze e covarianze di *t kl* , ossia

$$
\begin{split}
\hat{\boldsymbol{w}}(\hat{t}\_{kl}) &= \frac{N\boldsymbol{\mathcal{Q}}^{2}}{N\boldsymbol{\mathcal{Q}} - 1} \Bigg\{ \sum\_{h > NF} w\_{hl} \frac{N\_{hl} - 1}{n\_{hl} - 1} \boldsymbol{w}\_{khl} (n\_{khl} - 1) \frac{\boldsymbol{s}\_{khl}^{2}}{m\_{khl}}, \\ &+ \sum\_{h > NF} w\_{hl} \frac{N\_{hl} - 1}{n\_{hl} - 1} \boldsymbol{w}\_{khl} (1 - \boldsymbol{w}\_{khl}) \overline{\boldsymbol{x}}\_{khl}^{2} + \sum\_{h > NF} w\_{hl} w\_{khl}^{2} \overline{\boldsymbol{x}}\_{khl}^{2} - \overline{\boldsymbol{x}}\_{hl}^{2} \Bigg\} \\ &k = NF + 1, \dots, K, l = 1, \dots, L, \end{split} \tag{5.25}
$$

$$\hat{c}(\hat{t}\_{kl}, \hat{t}\_{k'l}) = -\frac{N\mathcal{Q}^2}{N\mathcal{Q} - 1} \left\{ \sum\_{k > NF} \frac{N\_{hl} - n\_{hl}}{n\_{hl} - 1} w\_{hl} w\_{khl} w\_{k'hl} \overline{x}\_{khl} \overline{x}\_{k'hl} + \overline{x}\_{khl} \overline{x}\_{k'hl} \right\},$$

$$k' \neq k = NF + 1, \dots, K, l = 1, \dots, L,\tag{5.26}$$

e

$$\hat{c}(\hat{t}\_{kl}, \hat{t}\_{k'l'}) = \frac{\hat{t}\_{kl}\hat{t}\_{k'l'}}{N\mathcal{Q} - 1}, k, k' = NF + 1, \dots, K, l' \neq l, \dots, L \tag{5.27}$$

dove *s*<sup>2</sup> *khl* è la varianza cam-pio-na-ria dei valori stimati della variabile osservata nei punti campionati dello strato *khl*.

Nell'applicare l'Equazione 5.24, è necessario che se *nkhl >* 1 allora valga che *mkhl* ≥ 2; mentre se *nkhl* = 1 allora si deve avere che *mkl* ≥ 1.

I valori di densità, *dkl* , posso essere stimati direttamente con

$$
\hat{d}\_{kl} = \hat{t}\_{kl} / \hat{a}\_{kl}^{cal} \,. \tag{5.28}
$$

Sfortunatamente, la varianza di *d kl* , che costituisce lo stimatore di un rapporto, è matematicamente intrattabile. Stime approssimativamente corrette delle varianze e covarianze di (5.28) possono però essere ottenute mediante l'approccio, comune in queste circostanze, che consiste nel linearizzare il rapporto utilizzando il termine del primo ordine dell'espansione in serie di Taylor (Särndal et al., 1992). L'affidabilità e la precisione di queste stime approssimate dipendono dal livello di precisione di *t kl*

#### 5 Procedures for the Estimation of Forest Inventory Quantities 115

e *a cal kl* . Per questa ragione, in alcuni casi, l'errore della stima di densità non è stato riportato.

Per l'indagine campionaria dell'INFC2005, gli stimatori descritti dalle Equazioni (5.24)e(5.25) sono stati inoltre modificati affinché possano fornire le stime dei valori totali delle variabili quantitative per sottoinsiemi di unità della popolazione (ad es. gli alberi). Tali sottoinsiemi sono identificati da attributi qualitativi rilevanti come, ad esempio, la specie. Si considerino *M* sottoinsiemi non sovrapposti. Il valore totale, *tkml* , di una variabile quantitativa di interesse per il sottoinsieme *m*, la categoria del Bosco *k* e la regione *l* può essere correttamente stimato con

$$\hat{t}\_{kml} = N\mathcal{Q} \sum\_{h>NW} w\_{hl} w\_{khl} \overline{x}\_{kmll}$$

$$k = NF + 1, \dots, K - 1, \ m = 1, \dots, M, \ l = 1, \dots, L. \tag{5.29}$$

La varianza stimata di *t kml* è dunque data da

$$
\begin{split}
\hat{v}(\hat{\imath}\_{km}) &= \frac{N\varrho^2}{N\varrho - 1} \Bigg\{ \sum\_{h > NF} w\_{hl} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{khl} (n\_{khl} - 1) \frac{\hat{\imath}\_{kmhl}^2}{m\_{khl}} \\ &+ \sum\_{h > NF} w\_{hl} \frac{N\_{hl} - 1}{n\_{hl} - 1} w\_{khl} (1 - w\_{khl}) \overline{\chi}\_{kmhl}^2 \\ &+ \sum\_{h > NF} w\_{hl} w\_{khl}^2 \overline{\chi}\_{kmhl}^2 - \overline{\chi}\_{klm}^2 \Bigg\} \\ &k = NF + 1, \dots, K - 1, \quad m = 1, \dots, M, \ l = 1, \dots, L,\qquad(5.30)
\end{split}
$$

dove *xkmhl* e *s*<sup>2</sup> *kmhl* sono, rispettivamente, la media campionaria e la varianza campionaria dei valori stimati della variabile osservata nei punti campionati dello strato *khl* per le unità della popolazione che appartengono al sottoinsieme *m*.

Ulteriori modifiche degli stimatori hanno permesso di ottenere le stime riguardanti due casi particolari. Da un lato, gli stimatori sono stati modificati per stimare le superfici delle categorie forestali per i sottoinsiemi, *m* = 1*,..., M*, di punti di campionamento identificati da attributi qualitativi rilevati durante la terza fase del piano di campionamento. Dall'altro lato, sono stati modificati per stimare *akml* e *tkml* nelle circostanze in cui il sottoinsieme *m* è stato identificato durante la seconda fase del piano di campionamento. Si veda Fattorini et al. (2011) per ulteriori dettagli sulla costruzione di tali stimatori.

# **Confronto tra i due inventari forestali**

La strategia presentata è stata utilizzata durante la stima dei parametri di interesse per l'INFC2005. Tale strategia rimane valida anche per la procedura di stima dell'INFC2015. Infatti, le modifiche occorse tra i due inventari forestali non hanno avuto impatto sull'uso della strategia di stima, come di seguito esplicitato.

Il piano di campionamento adottato per l'INFC2005 è consistito in una struttura a tre fasi (cfr. Chap. 2). In una prima fase, condotta mediante fotointerpretazione, l'area è stata suddivisa in poligoni di eguale dimensione (1 km2), da cui veniva selezionato casualmente un punto da ogni poligono. La popolazione costituita dai punti selezionati è stata poi divisa in 21 strati, corrispondenti ai distretti territoriali del territorio nazionale (le regioni), e poi in strati corrispondenti alle diverse categorie di uso e copertura del suolo. Nella seconda fase, condotta mediante campionamento al suolo, un campione stratificato di punti è stato selezionato dagli strati definiti in prima fase, esclusivamente per le categorie di uso e copertura del suolo di interesse per l'INFC2005. I punti selezionati sono stati attribuiti a strati corrispondenti alle categorie forestali. Nella terza fase, da ognuno dei campioni selezionati in seconda fase e attribuiti a categorie del Bosco, è stato selezionato un campione aggiuntivo di punti. Dunque, attorno ad ognuno di questi punti è stato disegnato un insieme di aree di saggio allo scopo di definire le aree in cui effettuare la misurazione delle variabili di interesse (cfr. Chap. 4).

Il piano di campionamento adottato per l'INFC2015 non ha subito cambiamenti sostanziali. La struttura in tre fasi precedentemente messa in atto è stata mantenuta: la prima fase è stata disegnata per classificare in via preliminare l'uso del suolo; la seconda ha avuto l'obiettivo di classificare in via definitiva le categorie di uso e copertura del suolo in corrispondenza dei punti campionati, di attribuire la categoria forestale e classificare i caratteri qualitativi per la stima delle superfici; la terza ha definito le aree per la misura delle variabili quantitative di interesse. Quindi, il piano di campionamento non ha subito cambiamenti tali da alterarne la struttura e il disegno originali. I cambiamenti occorsi durante la pianificazione dell'INFC2015 hanno riguardato esclusivamente la definizione degli strati e delle dimensioni campionarie. Nello specifico:


Come visto, le modifiche sono state dovute a differenti sistemi di fotointerpretazione adottati durante l'INFC2015 e a cambiamenti nelle classi/sottoclassi di interesse. Tutto questo ha condotto ad una differente numerosità di strati definiti rispettivamente per l'INFC2005 e l'INFC2015, così come ad alcuni cambiamenti di unità da uno strato all'altro tra le due occasioni di indagine. Ciò nonostante, da un punto di vista metodologico, il piano di campionamento adottato durante i due inventari è rimasto invariato, dato che esso resta un disegno a tre fasi, con la definizione delle aree ad ogni fase basata sulla stratificazione. Questo conferma la possibilità di utilizzare per l'INFC2015 le stesse tecniche di stima adottate durante l'INFC2005, sia per quanto riguarda la stima delle superfici che per la stima dei valori delle caratteristiche di interesse.

Gli stimatori utilizzati per l'INFC2015 sono stati implementati mediante l'utilizzo del software statistico open source R (R Core Team, 2020), un ambiente software gratuito per il calcolo statistico.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 6 Plot Level Estimation Procedures and Models**

# **Procedure di stima e modelli per le aree di saggio**

### **Lucio Di Cosmo**

**Abstract** Quantitative variable raw data recorded in the sample plots require preprocessing before the NFI estimators of totals and densities can be used to produce statistics. The objective of the plot level estimates is to estimate the variables of interest for each sample point expanded to the 1 km<sup>2</sup> area of the cell that the point represents. The intensity and complexity of the computations vary considerably depending on the variable, the way it is obtained by the measured items (e.g., DBH measurement *vs*. basal area), whether all the items in the sample plot or only a subsample of them are measured, and the availability of models. The definitive result of the computations are tallies, volumes, biomass and carbon stocks but estimates of additional variables at intermediate steps may be needed (e.g., total tree height). This chapter describes the methods and the models used in INFC2015 for the estimation of the variables related to trees (e.g., tallies, basal area), small trees and shrubs (e.g., biomass, carbon stock), stumps (e.g., volume, biomass), stock variation (e.g., the wood annually produced by growth and that removed). Some of the models described were produced in view of the INFC needs, before and after it was established in 2001, while others were created during the NFI computation processes. Finally, the conversion factors needed to estimate the biomass of deadwood, saplings and shrubs were obtained through an additional field campaign of the second Italian NFI (INFC2005) and the following laboratory analyses.

**Keywords** NFI · Tree volume and biomass model · Height-diameter model · Deadwood · Volume increment · Removals

# **6.1 Introduction**

NFI estimators of totals and densities (values per surface unit) described in Chap. 5 require that the value of the quantitative variables measured in the sample plots are expressed with reference to the square plane surface of 1 km2. The total

© The Author(s) 2022

L. Di Cosmo (B)

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: lucio.dicosmo@crea.gov.it

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_6

value of a variable in the sample plot (e.g., the number or volume of the trees) must be divided by the surface of the sample plot and multiplied by the surface SQ (1 km2) of the square containing the sample plot. As the variables are measured in sample plots with three different sizes (as described in Chap. 3), the expansion factors are 106/12.566371, for the variables measured in each of the AdS2, 106/50.265482, for the variables measured in the AdS4, and 106/530.929159 for those measured in the AdS13. For example, each tree with 4.5 ≤ DBH < 9.5 cm measured in the AdS4 represents 1 × 106/50.265482 per square kilometre. In the same way, the value of each variable of that tree (e.g., its basal area, volume or biomass) must be multiplied by 106/50.265482 to get the amount per square kilometre.

Among the quantities surveyed, the number of trees and the basal area of the stands are easily computed. The same is also true for the carbon stocks either in the living ecosystem components (trees, small trees and shrubs, removed trees) or the dead ones (dead trees, deadwood lying on the ground, stumps) after their biomass has been estimated, because conversion was obtained assuming 50% carbon content of woody biomass (IPCC, 2006; Matthews, 1993; Woodall et al., 2012). For this reason, the descriptions of methods below will be limited to the biomass computation steps. Timber volume, tree biomass, annual volume increment and removals required more complex preliminary processing. They entailed construction of models that used data widely representative of the conditions across the entire country so that they might be used beyond NFI computations.

This chapter describes the data analysis and the models used for estimating the quantitative variables measured in the sample plots by INFC2015. Some of the models described were developed by previous or connected research projects, in view of the INFC needs. The conversion factors needed to estimate the biomass of deadwood, saplings and shrubs were obtained through an additional field campaign of the second Italian NFI (INFC2005) and the following laboratory analyses.

# **6.2 Tree Height**

Total tree height (h) is an explanatory variable used in the model to estimate the volume and the biomass of trees. Due to the high costs, NFIs generally limit the tree height measurement on sample trees that are a subsample of those callipered (Gschwantner et al., 2016), which involves estimating the total tree height through models. INFC2015 increased the sample trees per plot to ten, as compared to the past assessment, which ranged from five to ten (Bosela et al., 2016; Gasparini & Di Cosmo, 2016; Gasparini et al., 2010). For the sample trees, five were randomly selected, and five were selected based on representative criteria; the collected data were used to build height-diameter models. The equations described were obtained re-calibrating the model developed in INFC2005; the new calibration allowed including the wider range of growing conditions revealed by the data we collected.

The model adopted draws from the Chapman-Richards function (Liu & Li, 2003; Ratkowsky, 1990) and is shown in Eq. (6.1):

$$\hat{h}\_{ij} = \left(a\_1 + a\_2 \cdot H\_{domj}\right) \left[1 - \exp\left((a\_3 + a\_4 \cdot H\_{domj})d\_{ij}\right)\right]^{\left(a\_5 + a\_6 H\_{domj}\right)}\tag{6.1}$$

where:

*hˆ ij* is the total tree height estimated of tree *i* of plot *j,* in m;

*dij* is the DBH of tree *i* of plot *j*, in cm;

*Hdomj* is the dominant height (*Hdom*) of plot *j*, in m, obtained as the arithmetical mean of the total heights of the three widest trees in DBH.

We graphically evaluated the affinity of the height-diameter relationship for species with small samples, to create groups with higher number of data and obtain more stable estimates of the numerical coefficients. Table 6.1 shows the 52 equations obtained and their relative estimated coefficients. They concern the main species or species groups of the Italian forests and allowed for an estimation of the total treeheigh to almost all of the undamaged trees. For the species not provided with an equation, we evaluated which could be best used through graphical and analytical analyses. A limited number of sample-plots could not be provided with the H*dom*. For the species included, we developed models based solely on the DBH as the explanatory variable. Finally, for trees of species callipered only a few times but provided with a relevant percentage of tree height data, we adopted by convention the mean measured heights, by DBH class in case of visible trends.

Table 6.2 shows the number of observations by species or group of species used for models' calibrations and the range of values for DBH and H*dom*. This information is useful in establishing awareness beyond the INFC computations.

# **6.3 Growing Stock and Biomass**

# *6.3.1 Living Trees*

Distinct procedures were adopted to estimate the volume and the biomass of unbroken or broken (truncated) trees. The volume and biomass of unbroken trees were estimated through double entry equations available in Tabacchi et al., (2011a, b). Those equations were built before and in view of the second Italian NFI (INFC2005) and partially updated afterwards. The data were collected from tree samples across wide areas of the country. In addition to being measured, the trees were cut, and samples of wood were analysed in the laboratory to determine the dry weight. At present, there are prediction equations available for 26 species or group of species; a set of 5 equations is given for each species/group whose form is shown in Eq. (6.2):

$$
\hat{y}\_i = b\_1 + b\_2 \cdot DBH\_i^2 \cdot h\_i + b\_3 \cdot DBH\_i \tag{6.2}
$$




*Pinus* exotic species: *Pinus excelsa* Wall., *Pinus radiata* D.Don., *Pinus strobus* L., other species.

Betula spp.: *Betula pendula* Roth., *Betula pubescens* Ehrh.

Cupressus spp.: *Cupressus sempervirens* L., *Cupressus arizonica* Greene., other species.

*Salix* spp.: *Salix caprea* L., *Salix alba* L., other species.

Tilia spp.: *Tilia cordata* Mill., *Tilia platyphyllos* Scop.

Species in group one: *Ailantus altissima* Mill., *Fraxinus oxycarpa* Bieb.

**Table 6.2** Number of observations and extreme values of diameter at breast height (DBH) and dominant height (H*dom*) used for calibrating the height-diameter equations, by species / Numero di osservazioni e valori estremi di diametro (d1.30) e altezza dominante (H*dom*) utilizzate per la calibrazione delle equazioni di previsione dell'altezza totale degli alberi, per specie



**Table 6.2** (continued)

where:

*yˆi* is the volume (*v* in dm3) (stem plus large branches and treetop up to 5 cm cross section diameter), the biomass (in kg) for the same component (*w1*), the biomass of the small branches and the treetop (*w2*), the stump biomass (*w3*) or the whole aboveground biomass (w4) of tree *i*;

*DBHi* is the stem diameter at 1.30 m from the ground level of tree *i*, in cm;

*hi* is the total tree height of tree *i*, in m.

*w4* can also be obtained by the sum of its three components (*w1*, *w2* and *w3*) as the model assures additivity. Table 6.3 shows the coefficients for estimating the volume of the species or groups of species.

Table 6.4 shows the coefficients for estimating the four biomass components.

For the species not provided with a function, we adopted one of the functions available, i.e., the function that was thought to be the most suitable, based on the morphologic affinity of the species, or we adopted the prediction equation for the heterogeneous group of the other broadleaved species. In the inventory survey, the size interval of the measured DBH was for some species wider than the set of sample trees used to develop the prediction equations. In a small number of trees with DBH near the


**Table 6.3** Tree volume functions: regression coefficients for Eq. (6.2) / Funzioni di cubatura: coefficienti per l'Eq. (6.2)




calipering threshold, volume estimates showed negative values. Their volume was estimated using two equations, one for conifers and the other for broadleaves, built with a subset of the data previously used by Tabacchi et al., (2011a, b) for calibrating equations, i.e., the trees with DBH < 13 cm. The two equations, available in Tomter et al. (2012), are as follows (Eqs. 6.3 and 6.4):

$$\hat{y}\_i = 1.2849 + 3.9579 \cdot 10^{-2} \cdot DBH\_i^2 \, h\_i \qquad \text{(conifiers)} \tag{6.3}$$

$$\text{obj}\_{i} = 0.5997 + 3.9619 \cdot 10^{-2} \cdot DBH\_{i}^{2} \, h\_{i} \qquad \text{(broadeless)} \tag{6.4}$$

where:

*yˆi* is the volume (*v* in dm3) (stem plus large branches and treetop up to 5 cm cross section diameter) of tree *i*;

*DBHi* is the stem diameter at 1.30 m from the ground level of tree *i,* in cm;

*hi* is the total tree height of tree *i,* in m.

For a small number of trees with DBH near the calipering threshold, the prediction equation for one or two aboveground biomass components returned negative values. These values were conventionally set to zero, with a consequent underestimation of the contribution by these trees to the total biomass of the sample unit. When all three aboveground tree components returned negative values, the biomass of the stem and large branches was estimated by multiplying the previously estimated volume of this component by the basal density value (dry weight per unit fresh volume). The basal density was found for the 26 species or group using the data of all the unbroken trees in the dataset for which no null or negative biomass estimates had occurred. Finally, the value of the other two components was conventionally set to zero. Last, to avoid estimates from extrapolations far beyond the observation limit of the maximum DBH of the sample trees used for calibrating the prediction equations, the volume of excess size trees was prudently estimated assuming a conventional maximum DBH.

The volume of truncated trees was estimated as half the cylinder volume obtained by multiplying the basal area and the tree height at breakage. The biomass of each tree was obtained multiplying its volume by the basal density of the species or group calculated as explained above.

After estimating the volume or the biomass of all the trees growing in a sampleplot, the overall values in each, by surface unit, was obtained by summing up the tree values per km2, using the expansion factors indicated in Sect. 6.1.

# *6.3.2 Standing Dead Trees*

The volume of dead, still standing, and unbroken trees was estimated by the same procedure described for the unbroken living trees. In the same way, the volume of dead broken trees was estimated adopting the cylinder as the reference shape and using the DBH and the tree height measured in the field. The volume was then converted to biomass using the conversion factors shown in Table 6.5. Those were determined in an addressed additional field survey campaign of INFC2005, in 2008–2009, by measuring and analysing woody samples either in the field or in the laboratory (Gasparini et al., 2013). The conversion factors were obtained by category (standing dead trees, deadwood lying on the ground and stumps), group of species (conifers and broadleaves) and decay class (Di Cosmo et al., 2013).

As done for the living trees, after estimating the volume or the biomass of all the trees in a sample plot, the overall values in each by surface unit was obtained by summing up the tree values per km2, using the expansion factors indicated in Sect. 6.1.

# **6.4 Average Annual Growth**

The estimate of the annual volume increment of trees was based on the increments measured on the cores taken from the sample trees in the sample plots. More specifically, the cores allowed an estimation of the annual increment of stem radius as the average of the five outermost ring width (not including the one from the survey growing season).

The estimation procedure went through four computational steps for obtaining: (a) the percent volume increment of any sample tree; (b) the plot level volume mean percent increment; (c) the volume increment of any callipered tree; (d) the overall volume increment of all the trees callipered in the plot.

(a) The percent annual volume increment of a sample tree was obtained by Eq. (6.5) (Hellrigl, 1969, 1986):

$$pv\_{zj} = 100(2\,\Delta d\_{zj}/d\_{zj}') + \left(\Delta h\_{zj}/h\_{zj}'\right) \tag{6.5}$$

where:

Δ*dzj* is the annual DBH increment of sample tree *z* of plot *j*;

*dzj* is the DBH of sample tree *z* of sample plot *j* during the field survey;

*d'zj* is the DBH of sample tree *z* of sample plot *j* one year prior to the field survey;

Δ*hzj* is the annual total tree height increment of sample tree *z* of plot *j*;

*hzj* is the total tree height of sample tree *z* of plot *j* during the field survey;

*h'zj* is the total tree height of sample tree *z* of plot *j* one year prior to the field survey.



 of Δ*hzj* was calculated using differences between the height in the measurement year and that corresponding to the tree DBH one year before the survey, both estimated using the height-diameter model described in Sect. 6.2.

(b) The mean percent annual volume increment for the entire sample plot was calculated as the average of the percent annual increment values of all the sample trees, each weighted with the volume of the corresponding tree, as shown in Eq. (6.6):

$$pv\_j = \sum\_{z=1}^{m} (pv\_{zj} \cdot Vol\_{zj}) / \sum\_{z=1}^{m} Vol\_{zj} \tag{6.6}$$

where:

*Pvj* is the average percent annual volume increment for plot *j*;

*m* is the number of sample trees of plot *j*;

*pvzj* is the percent annual volume increment of sample tree *z* of plot *j*;

*Volzj* is the volume of sample tree *z* of plot *j*.

The volume of the sample trees was estimated using the volume functions of Eq. (6.2) while the total tree height was known because recorded in the field.

(c) The annual volume increment for any callipered tree in the plot was obtained by multiplying its volume by the average weighted percent increment, as shown in Eq. (6.7):

$$
\Delta v\_{ij} = Vol\_{ij} \cdot pv\_j \tag{6.7}
$$

where:

Δ*vij* is the annual volume increment of tree *i* of plot *j*;

*Volij* is the volume of tree *i* of plot *j*;

*pvj* is the average percent annual volume increment for plot *j*.

(d) The sample plot annual volume increment was obtained by summing the annual increment values of all *n* trees in the plot, as shown in Eq. (6.8)

$$
\Delta V\_j = \sum\_{i=1}^n v\_{ij} \cdot f\_i \tag{6.8}
$$

where:

Δ*Vj* is the annual volume increment for plot *j*;

*vij* is the annual volume increment of tree *i* of plot *j*;

*f ij* is the expansion factor of tree *i*, that varies with the DBH threshold value of 9.5 cm.

In a limited number of sample plots, with few cores available, an alternative procedure was used. This unfavourable condition was limited in INFC2015 by the choice to sample a fixed number of ten trees in each sample plot. The annual volume increment in plots with less than four cores available (278 in total) was estimated using a model developed by Gasparini et al., (2017) from the data of INFC2005. The model predicts the five-year periodic volume increment according to Eq. (6.9):

$$
\ln(PAI) = a\_0 + b\_1 \ln(GSV) + b\_2 \ln(N) \tag{6.9}
$$

where:

*ln*(*PAI*) is the natural logarithm of the periodic increment (PAI, period = 5 years) (m3 ha−<sup>1</sup> 5 years−1);

*ln*(*GSV*) is the is the natural logarithm of the growing stock volume (GSV, m3 ha−1);

*ln*(*N*) is the natural logarithm of the number of trees per hectare.

Coefficient *a0* is dependent on forest type, as shown in Table 6.6. The antilogarithm of *ln*(*PAI*) so estimated must be multiplied by a correction factor equal to 1.125, before being divided by 5, to get the mean annual increment. This prevents bias in log-transformed allometric equations (Sprugel, 1983).

Conversion and expansion of volume increment to the total of aboveground biomass annual production was obtained for each tree in the sample plot, multiplying its volume increment by the ratio *w4*/*v*, computed for the same tree.

# **6.5 Volume and Biomass of Stumps and Lying Deadwood**

# *6.5.1 Stumps*

In order to estimate the volume of the stumps, they were considered like cylinders. The volume of each stump was easily calculated by the mean diameter of the cut section and the mean height. Conversion of stump volume to biomass was obtained by the basal density factors shown in Table 6.5.

The overall stump volume or biomass for the entire sample unit was obtained by summing up the volumes of all the stumps in the sample plot and referring to the surface unit according to the expansion factor for AdS13.

# *6.5.2 Deadwood Lying on the Ground*

The volume of the deadwood lying on the ground (which includes suspended deadwood) was estimated by assimilating each fragment to a truncated cone. The variables required by the formula (the diameters of the end sections and length of the fragment) were known from the field survey. The biomass was then calculated through the conversion factors showed in Table 6.5, which were based on the decay class as recorded by the surveyors.

The overall volume of deadwood lying on the ground for a sample plot was obtained by summing the volumes of all the fragments and, similarly to earlier descriptions, the value obtained was referred to the surface unit according to the expansion factor for AdS13.

Deadwood lying on the ground is one of the three components of deadwood surveyed by INFC, along with the standing dead trees and stumps. Together, these are referred to as coarse woody debris (e.g., Russell et al., 2015), although they have been defined in many ways and differences exist, especially in the size required

**Table 6.6** Volume increment stand-level model: regression coefficients for Eq. (6.9) (from Gasparini et al., 2017, modified) / Modello per l'incremento periodico di volume: coefficienti di regressione per l'Eq. (6.9) (da Gasparini et al., 2017, modificato)


**Table 6.7** Biomass (dry weight—kg) of small woody individuals (trees and shrubs under the callipering DBH threshold value) in the three size classes (from Di Cosmo & Gasparini, 2013) / Fitomassa (peso secco unitario—kg) degli individui di rinnovazione e arbusti nelle tre classi dimensionali adottate nel rilievo inventariale (da Di Cosmo & Gasparini, 2013)


(e.g., Enrong et al., 2006). The overall coarse woody debris volume or biomass was estimated at plot level following the usual procedure of summing up the individual values, previously referred to the surface unit according to the appropriate expansion factors.

# **6.6 Small Trees and Shrubs**

Recording the species of the woody subjects under the minimum callipering threshold (4.5 cm) allowed estimating the variables of interest explicitly for small trees (seedlings and saplings) and shrubs in the survey. For both, the total number, the biomass, and the carbon stock were estimated, by size class. Biomass was estimated by multiplying the number of subjects recorded in the field by the unit dry weight of the correspondent category (small tree or shrub) and size class (three size classes), as shown in Table 6.7. The biomass values in Table 6.7 were obtained after the integrative survey of the second Italian NFI (INFC2005).

As usual, the values per unit surface were obtained using the appropriate expansion factor, as discussed in Sect. 6.1, and the total per plot by summing up the values of all measured items.

# **6.7 Removed Trees**

Tree volume and biomass removed in the year preceding the field survey were estimated based on the data recorded for the stumps with cutting section diameter ≥ 9.5 cm, within the sample plot AdS13. The procedure for estimating the volume and the biomass of each tree is identical with that adopted for unbroken trees, both living and standing dead, previously described in this chapter. As it is based on the knowledge of DBH, the procedure started by reconstructing this value, based on the stump diameter and height data. For this purpose, we used the prediction equations developed by Di Cosmo & Gasparini (2020). Those equations allow to estime the DBH for 16 tree species and the broader groups of conifers and broadleaves; their form is as showed in Eq. (6.10):

$$
\overrightarrow{DB}\overrightarrow{H} = b\_0 + b\_1 \cdot D\_{stump} + b\_2 \cdot D\_{stump}^2 + b\_3 \cdot H\_{stump} \tag{6.10}
$$

where:

*DBH* is the diameter at 1.30 m above the ground line, in cm;

*Dstump* is the diameter of the stump cut section, in cm;

*Hstump* is the height of the stump, in m.

Table 6.8 shows the estimated parameters needed for applying Eq. (6.10).

As usual, the volume estimated (*v*) is that of the stem plus large branches. The biomass removed is that of the same component (*w*1) plus that of the small branches and treetop (*w*2).

The volume or biomass removed from the plot was obtained by summing up all the tree level values.


**Table 6.8** Coefficients of Eq. (6.8) for estimating the diameter at breast height (DBH) of removed trees by stump diameter and height (from Di Cosmo & Gasparini, 2020, modified) / Coefficienti dell'Eq. (6.8) per la stima del diametro degli alberi a 1.30 m da terra attraverso i valori di diametro

# **Appendix (Italian Version)**

**Riassunto** I dati quantitativi rilevati nelle aree di saggio richiedono elaborazioni preliminari ai fini del calcolo degli stimatori delle abbondanze (valori totali) e delle densità (valori medi) impiegati per la produzione delle statistiche inventariali. Le elaborazioni preliminari hanno l'obiettivo di ottenere il valore per unità di superficie delle variabili di interesse nelle singole aree di saggio. La complessità delle elaborazioni varia in funzione della variabile, del modo in cui essa è derivata a partire dalle misurazioni che la sottendono (es. il diametro a 1.30 m dal suolo *vs.* l'area basimetrica), dal fatto che siano stati misurati tutti gli elementi nell'area di saggio pertinente o solo un sotto-campione, nonché dalla disponibilità di modelli. Le elaborazioni preliminari producono numerosità, volumi, biomassa e stock di carbonio, ma le procedure di calcolo possono implicare stime di ulteriori variabili in passaggi intermedi (es. l'altezza degli alberi). Il capitolo descrive metodi e modelli utilizzati in INFC2015 per la stima delle variabili relative agli alberi (es. numerosità, area basimetrica), a rinnovazione ed arbusti (es. biomassa, stock di carbonio), alle ceppaie (es. volume, biomassa) e alle variazioni annuali (es. l'incremento annuo di volume e le utilizzazioni). Alcuni dei modelli descritti sono stati sviluppati tenendo conto delle esigenze inventariali nell'ambito di progetti preparatori e/o collaterali ad INFC, altri sono stati sviluppati nell'ambito delle procedure di calcolo di INFC e, infine, i coefficienti necessari per stimare il peso secco di legno morto, rinnovazione e arbusti derivano dai campionamenti e dalle attività di laboratorio della fase integrativa di rilievi di INFC2005.

# **Introduzione**

Le procedure generali di stima dei valori totali di strato e di popolazione (abbondanze) e dei rispettivi valori per unità di superficie (densità), descritte nel Chap. 5, richiedono che le grandezze rilevate attraverso le unità di campionamento siano espresse con riferimento alla superficie delle maglie del reticolo INFC. Il valore complessivo per ogni variabile di interesse (ad esempio il numero di alberi o il volume) determinato per l'area di saggio va perciò diviso per la superficie dell'area stessa e moltiplicato per la superficie SQ (1 km2) delle maglie del reticolo inventariale contenente il punto di campionamento. Poiché la superficie dell'area varia a seconda dell'unità di campionamento (cfr. Chap. 3), vengono così a determinarsi tre fattori di espansione che assumono valore di 106/12.566371 per le grandezze censite entro ciascuna AdS2, 106/50.265482 per quelle censite dentro l'AdS4 e infine 106/530.929159 per quelle censite entro l'AdS13. Ad esempio, ogni albero con diametro a 1.30 m dal suolo (d1.30) compreso tra 4.5 cm e 9.4 cm, rilevato quindi all'interno dell'AdS4, contribuisce ad un numero di alberi per chilometro quadrato pari al prodotto 1 × 106/50.265482. Analogamente, il contributo per chilometro quadrato di qualsiasi grandezza associata allo stesso albero (l'area basimetrica, il volume, la fitomassa, ecc.) sarà pari al valore calcolato della grandezza (l'area basimetrica, il volume, la fitomassa, ecc.) moltiplicato per 106/50.265482.

Tra gli attributi quantitativi di interesse, il numero di alberi e l'area basimetrica dei soprassuoli sono ottenuti con semplici operazioni aritmetiche direttamente dai dati raccolti in campo. In un certo senso, ciò vale anche per la quantificazione del contenuto di carbonio nelle componenti vive (alberi vivi, rinnovazione ed arbusti, alberi asportati con le utilizzati) e morte (alberi morti in piedi, necromassa a terra, ceppaie), che avviene moltiplicando per un fattore di 0.5 il peso secco, rispettivamente della fitomassa e della necromassa legnosa (IPCC, 2006; Matthews, 1993; Woodall et al., 2012); per questo motivo, nelle descrizioni che seguono si omette la conversione tra fitomassa e contenuto di carbonio organico. Le stime del volume legnoso, della fitomassa, dell'incremento annuo di volume e della massa arborea asportata con le utilizzazioni forestali necessitano, invece, di elaborazioni preliminari più complesse che implicano la costruzione di modelli che, sviluppati utilizzando dati statisticamente rappresentativi delle condizioni di crescita nell'intero contesto nazionale, possono risultare di utilità generale ed essere applicati anche fuori dall'ambito INFC.

In questo capitolo vengono descritte le procedure e i modelli utilizzati nelle elaborazioni delle variabili quantitative rilevate da INFC2015. Alcuni dei modelli descritti sono stati sviluppati nell'ambito di progetti preparatori e/o collaterali ad INFC, mentre la derivazione dei coefficienti necessari per la stima del peso secco di legno morto, rinnovazione e arbusti è stata possibile grazie ad una specifica fase di campionamento integrativo di INFC2005 e delle successive attività di laboratorio.

# **L'altezza degli alberi**

I modelli disponibili per la stima del volume e della fitomassa degli alberi misurati nelle aree di saggio utilizzano come variabili esplicative i valori di d1.30 e di altezza totale dell'albero (h). Per motivi di costo, in ambito inventariale la misurazione delle altezze viene generalmente limitata ad un sotto-campione degli alberi cavallettati (Gschwantner et al., 2016) e quindi il valore di h di ciascun albero deve essere stimato con appositi modelli. In ambito INFC, la selezione degli alberi campione risponde a criteri di casualità e di rappresentatività. Sulla base dell'esperienza del secondo inventario, che prevedeva un numero di alberi campione variabile da cinque a dieci (Bosela et al., 2016; Gasparini & Di Cosmo, 2016; Gasparini et al., 2010), INFC2015 ha previsto la selezione di dieci alberi campione. Le informazioni ipso-diametriche raccolte costituiscono la base dei dati per lo sviluppo di equazioni di previsione di h. Le equazioni presentate costituiscono un aggiornamento di quelle approntate secondo la stessa metodologia nel secondo inventario forestale nazionale; la nuova calibrazione è stata necessaria per la più ampia varietà dei contesti di applicazione. Il modello adottato deriva dalla funzione di Chapman-Richards (Liu & Li, 2003; Ratkowsky, 1990) e si presenta nella forma dell'Eq. (6.11):

$$\hat{h}\_{ij} = \left(a\_1 + a\_2 \cdot H\_{domj}\right) \left[1 - \exp\left((a\_3 + a\_4 \cdot H\_{domj})d\_{ij}\right)\right]^{\left(as + a\_6H\_{dom}\right)}\qquad(6.11)$$

in cui

*hˆ ij* è l'altezza stimata del generico albero *i* della generica area di saggio *j*, in m;

*dij* è il d1.30 del generico albero *i* nella generica area di saggio *j*, in cm;

*Hdomj* è l'altezza dominante (*Hdom*) della *j*-esima area di saggio, in m, calcolata come media aritmetica delle altezze dei tre alberi campione più grandi in d1.30.

Nel caso di specie con un numero limitato di osservazioni, si è preferito raggruppare quelle con un rapporto ipso-diametrico simile, valutato su base grafica, a garanzia di maggiore stabilità dei coefficienti stimati delle regressioni. I coefficienti delle equazioni sviluppate sono riportati nella Table 6.1. Le 52 equazioni presentate riguardano le principali specie o gruppi di specie diffuse nei soprassuoli italiani e pertanto hanno consentito di stimare l'altezza della quasi totalità degli alberi misurati. Per le specie restanti, è stato adottato il modello che mostrava la maggiore capacità predittiva valutata con metodo grafico e analitico. Un numero limitato di unità campionarie non disponeva di misurazioni sufficienti per il calcolo di H*dom*; sono state perciò approntate equazioni semplificate con d1.30 come unica variabile esplicativa. Per le specie lianose o altre misurate con estrema rarità, ma di cui si disponeva di un certo numero di altezze misurate, si è preferito assumere un valore convenzionale di altezza calcolato come media aritmetica delle osservazioni registrate, eventualmente per classi diametriche. Nella Table 6.2 sono riportati i valori relativi alla numerosità delle osservazioni di ciascuna specie o gruppo con cui sono stati calibrati i modelli, nonché i valori estremi di d1.30 e H*dom* che delimitano i campi di variazione; queste informazioni sono utili a valutarne l'adozione in ambiti di applicazione esterni a INFC.

# **Volume e massa degli alberi**

# *Gli alberi vivi*

La stima del volume e del peso secco degli alberi vivi (fitomassa) è stata condotta con procedure differenziate per gli alberi integri e per quelli troncati. Il volume e la fitomassa di ogni albero vivo integro censito sono stati stimati utilizzando le equazioni di stima a doppia entrata disponibili da Tabacchi et al., (2011a, b), costruite in preparazione del secondo inventario nazionale (INFC2005) e successivamente aggiornate. La costruzione del modello è avvenuta sulla base dei dati di alberi selezionati, misurati e campionati per determinazioni di laboratorio del peso secco su vaste aree del territorio nazionale. Dal modello discendono equazioni di previsione relative a ventisei tra le principali specie o gruppi di specie forestali in Italia e a cinque variabili di stima. La forma del modello è mostrata nell'Eq. (6.12):

$$
\hat{y}\_i = b\_1 + b\_2 \cdot d\_i^2 \cdot h\_i + b\_3 \cdot d\_i \tag{6.12}
$$

in cui:

*yˆi* è la variabile stimata che può essere il volume (*v* in dm3) (fusto con rami grossi e cimale fino ad una sezione di taglio di 5 cm), la fitomassa (in kg) della stessa componente (*w1*), la fitomassa di ramaglia e cimale (*w2*), la fitomassa della ceppaia (*w3*) o la fitomassa dell'intera porzione epigea (*w4*) del generico albero *i*;

*di* è d1.30 dell'albero *i,* in cm;

*hi* è l'altezza totale dell'albero *i,* in m.

*w4* può essere ottenuto anche come sommatoria delle tre componenti *w1*, *w2* e *w3*, poiché il modello ne assicura l'additività.

La Table 6.3 riporta i coefficienti per la stima del volume delle specie o gruppi di specie. La Table 6.4 riporta i coefficienti di regressione utili per la stima delle quattro componenti della biomassa epigea. Le equazioni citate non esauriscono la casistica delle specie misurate in ambito INFC, così per le altre specie è stata usata l'equazione di volta in volta ritenuta idonea per affinità di portamento, oppure è stata utilizzata quella per il gruppo eterogeneo delle altre latifoglie.

L'intervallo dimensionale degli alberi cavallettati con la campagna inventariale è risultato in alcuni casi più ampio rispetto a quello degli alberi modello utilizzati per l'approntamento delle equazioni di previsione citate. In un numero contenuto di casi, ciò ha comportato che per diametri piccoli e prossimi alla soglia di cavallettamento le stime del volume avessero valore negativo. A tale inconveniente si è ovviato utilizzando due equazioni generiche, una per le conifere (Eq. 6.3) e una per le latifoglie (Eq. 6.4), disponibili in Tomter et al. (2012). Le due equazioni sono state ottenute tarando il modello con l'insieme degli alberi campione già utilizzati da Tabacchi et al., (2011a e b) ma utilizzando solo valori di diametro inferiori a 13 cm. In pochi casi, sempre relativi a diametri prossimi alla soglia inferiore di cavallettamento, anche nella stima della fitomassa le equazioni di previsione hanno restituito stime con valori negativi di una o più componenti epigee. A tale inconveniente si è ovviato adottando una procedura di stima del valore di fitomassa del fusto e rami grossi che ne garantisse valori positivi, ponendo convenzionalmente uguale a zero eventuali valori negativi della fitomassa di ramaglia e/o ceppaia, dal che consegue una leggera sottostima della fitomassa arborea epigea totale. La procedura alternativa di stima della fitomassa di fusto e rami grossi è consistita nel moltiplicare il volume di questa componente per il valore di densità basale (peso secco per unità di volume fresco). La densità basale è stata ricavata per ciascuna delle ventisei specie o gruppi dotati di modello di previsione, utilizzando i dati degli alberi vivi integri per i quali non si era verificato l'inconveniente di stime negative di fitomassa o di volume. Infine, per evitare stime derivanti da estrapolazioni molto oltre i valori dei diametri massimi con cui sono stati costruiti i modelli di previsione adottati, il volume degli alberi con diametri elevati è stato prudenzialmente stimato assumendo per essi un diametro limite convenzionale.

Il volume degli alberi vivi troncati è stato calcolato con metodo geometrico, convenzionalmente assunto come metà di quello cilindrometrico ottenuto dal prodotto dell'area basimetrica per l'altezza di troncatura. La stima della fitomassa degli alberi vivi ma troncati è stata ottenuta attraverso il prodotto tra il volume e il valore medio di densità basale, calcolato nel modo poco sopra descritto.

Noto il volume e la fitomassa di ogni singolo albero dalle procedure di stima illustrate, il contributo di un albero al volume totale e alla fitomassa totale dell'unità di superficie è stato ottenuto sulla base dei fattori di espansione indicati in Sect. 6.1.

# *Gli alberi morti*

Il volume legnoso degli alberi morti in piedi ancora integri è stato stimato con la stessa procedura adottata per gli alberi vivi. Analogamente, il volume degli alberi morti ma troncati è stato calcolato per via geometrica, sulla base dei valori di d1.30 e dell'altezza di troncatura, sempre misurata in campo. La conversione del volume degli alberi morti in peso secco (necromassa) è stata ottenuta mediante i fattori di conversione riportati nella Table 6.5. Tali fattori sono stati determinati in ambito INFC mediante misurazioni, prelievo di campioni e determinazioni di laboratorio condotte con una specifica campagna di rilievo integrativa negli anni 2008 e 2009 (Di Cosmo & Gasparini, 2013). I coefficienti per la conversione dei volumi in peso secco sono specifici per categoria di legno morto (alberi morti in piedi, legno morto grosso a terra e ceppaie residue), gruppo di specie (conifere o latifoglie) e classe di decadimento (Di Cosmo et al., 2013).

Il contributo di volume e necromassa di ciascun albero morto all'unità di superficie è stato ottenuto sulla base dei fattori di espansione già più volte ricordati, mentre il totale per ciascuna variabile è stato ottenuto sommando i valori di albero nell'area di saggio.

# **L'incremento medio annuo**

L'incremento annuo di volume degli alberi vivi è stato stimato a partire dalle informazioni incrementali ottenute con le carotine legnose prelevate dagli alberi campione nelle aree di saggio. In particolare, le letture incrementali hanno consentito di calcolare l'incremento diametrico medio annuo relativo alle ultime cinque stagioni vegetative precedenti a quella del rilievo inventariale.

La procedura di stima adottata è basata su quattro passaggi: (a) stima dell'incremento percentuale annuo di volume degli alberi campione; (b) stima dell'incremento percentuale medio annuo di volume dell'area di saggio; (c) stima dell'incremento annuo di volume di ogni albero cavallettato; (d) somma dei valori di incremento annuo di volume di tutti gli alberi cavallettati nell'area di saggio.

(a) Alla stima dell'incremento percentuale di volume di ogni albero campione si è pervenuti mediante l'Eq. (6.13) (metodo combinato esplicito—Hellrigl, 1969, 1986),

$$pv\_{zj} = 100(2\,\Delta d\_{zj}/d\_{zj}') + \left(\Delta h\_{zj}/h\_{zj}'\right) \tag{6.13}$$

in cui:

*dzj* è l'incremento diametrico annuo del *z*-esimo albero campione della *j*-esima area di saggio;

*dzj* è il d1.30 del *z*-esimo albero campione della *j*-esima area di saggio;

*d'zj* è il d1.30 del *z*-esimo albero campione della *j*-esima area di saggio un anno prima del rilievo inventariale;

*hzj* è l'incremento ipsometrico annuo del *z*-esimo albero campione della *j*-esima area di saggio;

*hzj* è l'altezza del *z*-esimo albero campione della *j*-esima area di saggio al momento del rilievo inventariale;

*h'zj* è l'altezza del *z*-esimo albero campione della *j*-esima area di saggio un anno prima del rilievo inventariale.

L'incremento annuo in altezza è stato calcolato per differenza tra le stime ottenute con i modelli ipso-diametrici descritti nella Sect. 6.2, in corrispondenza del diametro misurato e di quello stimato per l'anno precedente al rilievo inventariale.

(b) L'incremento percentuale medio di volume dell'intera unità campionaria è stato calcolato come valore medio degli incrementi percentuali degli alberi campione, pesati ciascuno con il volume dell'albero corrispondente, come mostrato nell' Eq. (6.14):

$$pv\_j = \sum\_{z=1}^{m} (pv\_{zj} \cdot Vol\_{zj}) / \sum\_{z=1}^{m} Vol\_{zj} \tag{6.14}$$

in cui:

*m* è il numero degli alberi campione nella *j*-esima area di saggio;

*pvzj* è l'incremento percentuale di volume del *z*-esimo albero campione della *j*-esima area di saggio;

*Volzj* è il volume del *z*-esimo albero campione della *j*-esima area di saggio.

Il volume degli alberi campione dell'accrescimento è stato calcolato con le funzioni di cubatura già descritte nella Sect. 6.3.1, con l'altezza totale nota dalle misurazioni effettuate in campo.

(c) la stima dell'incremento annuo di volume di ogni albero cavallettato è stata ottenuta come prodotto tra il volume dell'albero e l'incremento percentuale medio di volume dell'area di saggio in cui esso è stato misurato, come da Eq. (6.15):

$$
\Delta v\_{ij} = Vol\_{ij} \cdot pv\_j \tag{6.15}
$$

in cui:

*Volij* è il volume dell'*i*-esimo albero della *j*-esima area di saggio;

*pvj* è l'incremento percentuale medio annuo di volume dell'intera area di saggio *j*.

(d) l'incremento annuo di volume per l'intera unità campionaria è stato ottenuto mediante sommatoria dei valori di incremento annuo di tutti gli n alberi nella stessa area di saggio, come da Eq. (6.16)

$$
\Delta V\_j = \sum\_{i=1}^n v\_{ij} \cdot f\_i \tag{6.16}
$$

in cui:

*vij* è l'incremento annuo di volume dell'*i*-esimo albero nella *j*-esima area di saggio;

*f ij* è il fattore di espansione dell'albero *i* dell'area di saggio *j*, variabile con la soglia di d1.30 di 9.5 cm.

A questa procedura generale di stima dell'incremento annuo di volume ne è stata affiancata un'altra da adottare nelle aree di saggio con ridotta disponibilità di informazione incrementale. Questa evenienza è stata limitata in maniera considerevole in INFC2015, data la selezione di un numero fisso, pari a dieci, di alberi campione in ogni area di saggio. Nelle aree di saggio con un numero di misure incrementali inferiore a quattro (278 casi) l'incremento annuo di volume è stato stimato a livello di area di saggio mediante il modello disponibile da Gasparini et al. (2017). Si tratta di un modello di previsione dell'incremento periodico di volume (con periodo di 5 anni) sviluppato con i dati del secondo inventario forestale italiano e che assume la forma riportata in Eq. (6.17):

$$
\ln(PAI) = a\_0 + b\_1 \ln(GSV) + b\_2 \ln(N) \tag{6.17}
$$

in cui:

*PAI* è l'incremento periodico di cinque anni, in m3 ha−1;

*GSV* è il volume degli alberi vivi, in m3 ha−1;

*N* è il numero di alberi per ettaro.

Il coefficiente *a0* varia a seconda della categoria forestale secondo i valori riportati nella Table 6.6. Il modello utilizza i valori delle variabili in logaritmo naturale. La stima dell'incremento annuo di volume secondo l'Eq. (6.17) richiede che l'antilogaritmo dell'incremento periodico stimato sia moltiplicato per un fattore di correzione pari a 1.125, prima di essere diviso per cinque. Ciò è necessario per tenere conto dell'errore sistematico che si determina quando la calibrazione di un modello allometrico avviene su valori log-trasformati (Sprugel, 1983).

La conversione dell'incremento annuo di volume del fusto e rami grossi in produzione annua di fitomassa espansa all'intera porzione epigea è stata ottenuta moltiplicando l'incremento di volume di ogni albero per il rapporto fitomassa totale (*w4*) su volume (*v*), calcolato a livello di singolo albero.

# **Volume e massa delle ceppaie e del legno morto grosso a terra**

# *Le ceppaie residue*

Ai fini delle stime del volume delle ceppaie residue, la loro forma è stata convenzionalmente assimilata a quella cilindrica. Il volume legnoso è stato quindi calcolato per via geometrica a partire dal diametro medio alla sezione di taglio e dall'altezza media dalla linea di terra. La conversione del volume di ogni ceppaia in peso secco è stata possibile mediante l'adozione dei coefficienti di densità basale riportati nella Table 6.5, considerando anche lo stadio di decadimento del legno registrato dai rilevatori.

Il volume e la necromassa totale dell'area di saggio sono stati ottenuti sommando i relativi valori di tutte le ceppaie nella stessa, riferiti all'unità di superficie convenzionale secondo il fattore di espansione tipico dell'AdS13.

# *Il legno morto grosso a terra*

Il volume dei frammenti di legno morto a terra (che comprende anche quello sospeso) è stato calcolato per via geometrica, secondo la formula per il tronco di cono. I valori necessari di diametro delle sezioni estreme e lunghezza erano noti dalle misurazioni effettuate in campo. La conversione del volume in peso secco è avvenuta utilizzando i coefficienti riportati nella Table 6.5, che tengono conto anche dello stadio di decadimento del legno, anch'esso noto dalle registrazioni dei rilevatori.

I valori per l'unità di campionamento sono stati ottenuti per sommatoria dei volumi e dei pesi dei singoli frammenti, mentre il riferimento all'unità di superficie è avvenuto secondo il fattore di espansione per l'AdS13.

Il legno morto a terra rappresenta una delle tre componenti di legno morto rilevate in ambito INFC2015, insieme agli alberi morti in piedi e alle ceppaie residue. Nel complesso, queste costituiscono il legno morto totale, generalmente indicato con *coarse woody debris* in ambito internazionale (es. Russell et al., 2015), sebbene manchi tutt'ora una definizione condivisa soprattutto per quanto riguarda i requisiti dimensionali minimi (es. Enrong et al., 2006). La stima d'insieme delle tre componenti, in termini di volume o necromassa, nell'area di saggio è avvenuta per semplice sommatoria dei valori stimati per gli oggetti misurati, preventivamente riferiti all'unità di superficie secondo i fattori opportuni.

# **La fitomassa di rinnovazione e arbusti**

Il rilievo della vegetazione legnosa degli strati inferiori per specie ha consentito di stimare le grandezze di interesse in maniera distinta per la rinnovazione e per gli arbusti. Per entrambe le categorie, sono stati stimati la numerosità, i valori di fitomassa epigea e di carbonio immagazzinato. La stima della fitomassa è avvenuta attribuendo ad ogni soggetto censito un valore in peso secco, noto dalle attività di prelievo e di laboratorio condotte nella terza fase integrativa del secondo inventario forestale (INFC2005). Tale valore è funzione della componente (rinnovazione o arbusto) e della classe dimensionale (Table 6.7).

I valori per unità di superficie sono stati ottenuti mediante la procedura generale già illustrata per le altre grandezze di natura quantitativa, adottando il fattore di espansione appropriato per le due unità di campionamento AdS2. Le stime dei valori totali e medi sono state ottenute previa sommatoria dei valori di ciascun soggetto censito.

# **Entità delle utilizzazioni**

La stima del volume e della fitomassa degli alberi asportati con i tagli avvenuti nei dodici mesi antecedenti il rilievo inventariale si è basata sulla misurazione delle ceppaie residue con diametro uguale o maggiore di 9.5 cm, nell'area di saggio AdS13. Le procedure per la stima del volume e della fitomassa di ogni albero asportato sono le stesse di quelle descritte per gli alberi integri, in questo capitolo. Esse richiedono la conoscenza del valore del d1.30 di ogni individuo, in maniera da poterne stimare prima l'altezza totale, secondo i modelli descritti nella Sect. 6.2, e poi il volume e la fitomassa con i modelli disponibili. La particolarità nei calcoli relativi agli alberi asportati risiede dunque nella stima preventiva dell'ipotetico d1.30 sulla base delle misure disponibili della ceppaia. A tal fine, sono stati adottati modelli di previsione disponibili dalla letteratura (Di Cosmo & Gasparini, 2020), che hanno la forma mostrata in Eq. (6.18),

$$
\hat{d}\_{1.30} = b\_0 + b\_1 \cdot D\_{ce} + b\_2 \cdot D\_{ce}^2 + b\_3 \cdot H\_{ce} \tag{6.18}
$$

in cui:

d <sup>1</sup>.<sup>30</sup> è il d1.30 in cm;

*Dce* è il diametro della ceppaia alla linea di taglio in cm;

*Hce* è l'altezza media della ceppaia da terra in m.

Sono disponibili stime dei parametri b0, b1, b2 e b3 per sedici specie (Table 6.8); per le restanti, sono stati adottati i parametri generici per il gruppo generico delle conifere o per quello delle latifoglie.

Le statistiche prodotte sono relative al volume del fusto e rami grossi, nonché alla fitomassa epigea della stessa componente (*w1*) e della ramaglia con cimale (*w2*). Il volume e la fitomassa degli alberi asportati per l'intera unità di campionamento sono stati ottenuti dalla sommatoria dei volumi e delle fitomasse dei singoli alberi prelevati, come già anticipato riferiti all'unità di superficie secondo il fattore di espansione proprio dell'AdS13.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 7 Area and Characteristics of Italian Forests**

# **Superficie e principali caratteristiche delle foreste italiane**

# **Patrizia Gasparini, Lucio Di Cosmo, and Antonio Floris**

**Abstract** Awareness of exhaustible forest resources is not recent in human history; rather, it dates back to the late Middle Ages, when it became clear that some kind of planning was needed to utilise forest resources and to do so, assessment was necessary. Postponed in time, enlarged to a national scale and based on statistical sampling, compared to the inventory methods adopted at that time, modern NFIs are assigned to produce sound information necessary to support forest policies. Forest areas and composition, ownership, growing stock and increment, as well as management, silviculture and structural characters are among the variables assessed by NFIs. This chapter provides statistics on those variables. For areas, estimates are shown for Total wooded area, Forest, Other wooded land, and their distribution among inventory categories and forest types, which describe species composition. In addition, the chapter also addresses distribution by altitude classes. For stands characters, areas are shown by crown coverage, development stage and age class. Lastly, inventory statistics are given on the presence and amount of small trees and shrubs.

**Keywords** Forest area · Other wooded land area · Forest types · Private forests · Public forests · Growing stock

P. Gasparini (B) · L. Di Cosmo · A. Floris CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: patrizia.gasparini@crea.gov.it

L. Di Cosmo e-mail: lucio.dicosmo@crea.gov.it

A. Floris e-mail: antonio.floris@crea.gov.it

© The Author(s) 2022 P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_7

# **7.1 Introduction**

Awareness of exhaustible forest resources is not recent in human history. In Western countries, it dates back to the late Middle Ages (Sereno, 2008). By the seventh and eighth centuries, resources had been reduced because of tillage to expand the agricultural land. In some phases from the eleventh to the fourteenth centuries, wide forest areas needed to be protected from overexploitation, and public authorities started doing so with laws enacted during the fourteenth century (Fossier, 2003). However, during the twelfth and thirteenth centuries, there had been a great increase of local statutes and agreements between communities and lords by which people intended to protect uncultivated areas (Provero, 2020). Signs of what we today would indicate as environmental damages were already apparent also in the North of Italy, but what was meant by protection was the equilibrium able to assure continuity of forest goods production, i.e., wood, acorn for grazing, and game (Delort, 1989). Loetsch and Haller (1973) claim that forest inventories started at the end of the Middle Ages when a shortage of timber supplies due to overexploitation forced people to plan the utilisation of accessible forest near towns and mines. These same concerns and information needs, postponed in time and enlarged to a national scale, led to the beginning of national forest inventories (NFIs) in the early 1900s. According to Persson and Janz (2015), there was a need for information concerning areas, topography, ownership, accessibility, volume and growth. This chapter reports INFC2015 statistics on some of the main variables traditionally considered by national forest inventories.

Measuring forest area has long been a necessary condition to estimate total values of assessed variables. Estimates were strictly based on the preliminary mapping of forests, because maps provided the forest area needed to upscale the mean values of variables estimated in different units of the forest (Loetsch & Haller, 1973). Such inventories were soon acknowledged to be inadequate for compiling national forest inventories (McRoberts et al., 2010; Tomppo et al., 2010). In modern NFIs based on probability sampling theory, areas are estimated like any other assessed variable. This is true for Total wooded area and, naturally, its components, such as Forest, Other wooded land, broadleaved or coniferous forest areas, inventory categories, forest types and subtype areas.

Correlated with air temperature, elevation also influences the distribution of vegetation indirectly, by conditioning the crumbling of minerals and organic matter decomposing in the soil formation process (Avena & Dowgiallo, 1995). Temporal statistical series on the distribution of vegetation types by altitudinal belts are also a valuable information source for evaluating adaptation to climate change. INFC estimates by altitude are produced for classes 500 m wide and for classes 300 m wide. This also allows for comparisons with both the first NFI (IFNI85) and some statistics by the Italian National Statistical Institute (ISTAT), which adopts the 600 m asl altitude as the limit for mountain territories.

Forest policy makers, especially the public bodies, certainly need information about the public and private forest areas for two reasons. First, it is reasonable to expect that by managing forests, public bodies and private owners pursue different objectives. Second, policies and regulations on forests may affect the rights on estates, and such information may help predict possible social and political consequences.

Producing statistics on growing stock volume and its increment have long been the main goal of NFIs (e.g., Breidenbach et al., 2020). In recent decades, the traditional interest regarding the economic value of timber volume has been complemented with its value as a carbon pool (cf. Chap. 12). For this reason, in addition to the growing stock volume, the aboveground tree biomass is estimated, and tally lists include trees smaller than in the past. Desired sustainable management, necessary to safeguard the productive capacity of forests, relies on regulating utilisation based on volume increment. This has also become important for monitoring programmes aimed at assessing the forests' response to environmental changes (Dobbertin, 2005; Gschwantner et al., 2016; Solberg et al., 2009). When estimated in terms of biomass, increment provides a measure of the contribution of forests in removing carbon from the atmosphere. The role of NFIs in increment estimation is unique, because it is a variable almost thoroughly obtained through field surveys, by repeated measurements in permanent plots and by tree coring, rather than by remote sensing techniques (Gasparini et al., 2017).

With special reference to the inventory statistics presented in this chapter, crown coverage of trees is fundamental for assigning the sample plots to the NFI domain, given the thresholds of 5 and 10% coverage that is relevant for the adopted classifying system (cf. Chap. 2). Moreover, crown distribution allows for the descriptions of the stand structure. INFC2015 recorded the presence of crown levels to provide statistics on the vertical structure, distinguishing one-storied from two-storied forests.

Data on the silvicultural system, development stage and age class, the latter only for even-aged forests, are essential for making planning decisions and developing forest policies at a more general level. Estimates on quantitative variables by forest areas are particularly useful in making hypotheses on future forest condition under different management scenarios.

Forest understory, according to the INFC, refers to small trees and shrubs, the two components traditionally least considered by NFIs among those described in this chapter. DBH thresholds once adopted by NFIs were strongly oriented by a willingness to estimate wood or timber with current commercial value or approaching such a value. Measuring small entities not only allows for a more accurate assessment of the carbon stock in the woody vegetation, but it also allows for recording the presence of species that seldom exceed the threshold for being callipered.

# **7.2 Area and Composition of Italian Forests**

Estimates of Forest and Other wooded land area and forest type areas are among the main results of the forest inventory. INFC provides area estimates for two inventory macro-categories, seven inventory categories and twenty-three forest types, the latter further dividedinto subtypes, at regional and nationallevels.The classification scheme adopted by INFC and the class descriptions are given in Chaps. 2 and 3, respectively, for inventory categories and forest types and for land use and land cover.

Table 7.1 shows the statistics on area estimates for Forest, Other wooded land and Total wooded area. Tables 7.2 and 7.3 provide area estimates for the inventory categories of Forest and Other wooded land, respectively. The Total wooded area in Italy is estimated to be equal to 11,054,458 ha, of which 82.2% is classified as Forest (9,085,186 ha) and 17.8% as Other wooded land (1,969,272 ha). Total wooded area covers 36.7% of the country area; Forest covers 30.2%; and Other wooded land, 6.5% of the country's area. At the regional level, Forest cover varies considerably, going from 7.4% (Puglia) to 63.3% (Liguria), and it is above 40% in five regions (Alto Adige, Trentino, Friuli-Venezia Giulia, Toscana, and Umbria).


**Table 7.1** Forest and Other wooded land area and Total wooded area / Estensione di Bosco e Altre terre boscate e Superficie forestale totale


byinventorycategory/Estensionedellecategorieinventarialidel




**Table 7.3** (continued)

Other wooded land cover is around the national value in most regions, except in Sardegna, Basilicata and Calabria, where it is considerably higher (28.0%, 10.4% and 10.3%, respectively). Sardegna hosts approximately one-third of the entire Other wooded land area. Figure 7.1 shows the percent of country area covered by Forest and Other wooded land and the distribution of related inventory sample points across Italy, respectively.

By far, the most important inventory category of Forest is that of the Tall trees forest, which accounts for 8,956,787 ha, of which 35,836 ha are temporarily unstocked (Table 7.2). Tall trees forest includes land covered by trees higher than 5 m, and with a canopy cover of more than 10%, or able to reach these thresholds in situ, and where the predominant use of land is not agricultural or urban.

The same thresholds of canopy cover and tree height are applied to Plantations. However, they are distinguished by their usage in timber and wood production, being of artificial origin and subjected to intensive management; these might grow on agricultural land. Overall, Plantations cover 128,399 ha, and the highest regional percentages of this category are in Piemonte, Lombardia, Friuli-Venezia Giulia, Marche and Sardegna (Table 7.2), where they represent approximately 2–4% of Forest area.

Other wooded land is mainly formed by Shrubs, which account for 1,168,776 ha, almost half of which is located in Sardegna. The inventory categories Short trees forest, Sparse forest, and Scrubland, overall represent 20.3% of Other wooded land area (Table 7.3 and Fig. 7.2). The presence of Short trees forest and Scrubland is often an index of difficult site conditions, due to poor soils or high winds, limiting the growth of tree, while Sparse forests may be a sign of spontaneous colonisation in progress or of degradation of denser stands. However, they might also represent potential natural vegetation at high altitude sites. By convention, all areas where the presence of tree and/or shrub cover was identified by photointerpretation but more detailed data could not be collected during the field surveys, were assigned to Other wooded land in the inventory category Not accessible or not classified wooded area. This category accounts for 20.3% of Other wooded land, at the national level.

A broad classification of forests is that based on species group composition (Table 7.4), which is widely used to compile forest statistics in European and international reporting activities. Inventory sampling points were assigned to one of the classes of Table 7.4 based on the field assessment of the crown cover percentage by species group. Tables 7.5 and 7.6 give the area estimates by conifers, broadleaves and mixed forest for the inventory macro-categories Forest and Other wooded land, respectively. INFC analogous statistics are available at inventarioforestale.org/statistiche\_INFC for the inventory categories of Forest and of Other wooded land. Figures 7.3 and 7.4 show the percent of area of Forest and Other wooded land by pure broadleaves, pure conifers and mixed woods.

At the national level, pure broadleaves woods dominate both in Forest (68.5%) and in Other wooded land (53.9%); in the latter, the dominance of pure broadleaves is even greater (83.4%) if we consider just the areas actually classified for this attribute. Pure coniferous Forest accounts for 12.8% of the area and are concentrated in northern regions (Valle d'Aosta, Alto Adige and Trentino), where they characterise many Alpine landscapes, and in some southern peninsular regions and in Sicilia, due to

**Fig. 7.1** Forest and Other wooded land in Italy: **a** percent of country area covered by Forest, Other wooded land and all other land uses, **b** distribution of inventory sample points of Forest and Other wooded land / Bosco e Altre terre boscate in Italia: **a** percentuale della superficie territoriale occupata da Bosco, Altre terre boscate e altri usi del suolo, **b** distribuzione dei punti inventariali appartenenti al Bosco e alle Altre terre boscate

**Fig. 7.2** Percent of area of Other wooded land by inventory category / Ripartizione percentuale delle Altre terre boscate per categorie inventariali

**Table 7.4** Classes of pure and mixed conifers and broadleaves / Classi per il grado di mescolanza del soprassuolo




**Table 7.5**

(continued)

#### 7 Area and Characteristics of Italian Forests 163



**Table 7.6**

**Fig. 7.3** Percent of area of Forest by pure or mixed class of conifers and broadleaves / Ripartizione percentuale della superficie del Bosco per classi del grado di mescolanza di conifere e latifoglie

coastal pine forests and to the presence of some mountain-Mediterranean conifer species. The class mixed conifers and broadleaves accounts for 10.1% of Forest area and 6.1% of Other wooded land area; it is more common in some northern regions (Lombardia, Trentino, Veneto, Friuli-Venezia Giulia) and in Calabria.

A more detailed classification of tree species composition is that adopted by INFC and described in Chap. 2. Inventory sample points are classified based on the identification of dominant species in terms of crown coverage. The identification of forest type is essential for the assignment of points to the inventory strata. For this reason, the forest type has also been attributed to the inventory points not accessible but observable from a remote location whenever it was possible to recognize the dominant species. In these cases, however, it was not possible to classify the forest subtype as well as any other information on the characteristics of the forest cover. The class 'not classified' for forest type includes the areas that were deliberately not classified during the second national forest inventory INFC2005, because the survey protocol did not prescribe classification of forest type for temporarily unstocked areas, and these could not be classified during the survey in INFC2015.

Tables 7.7 and 7.8 give the estimated area of forest types for the inventory categories Tall trees forest and Plantations, respectively. The same statistics are provided for some of the inventory categories of Other wooded land in Table 7.9, at the national level, and in Table 7.10 for the category Shrubs also at regional level. Area estimates on forest types at the provincial level are available at inventarioforestale.org/statis tiche\_INFC. Figure 7.5 compares the area of forest types in Tall trees forest at the

**Fig. 7.4** Percent of area of Other wooded land by pure or mixed class of conifers and broadleaves / Ripartizione percentuale della superficie delle Altre terre boscate per classi del grado di mescolanza di conifere e latifoglie

national level. Four forest types account for more than one million hectares in Italy. They are, in order, Temperate oaks, Other deciduous broadleaved, Mediterranean oaks and Beech forests, which may be found in almost all Italian regions, except for Beech in Sardegna and Mediterranean oaks in the north-eastern regions. Four forest type areas are larger than one-half million hectares; they are Hornbeam and Hophornbeam, Chestnut, Holm oak and Norway spruce. The latter is found almost exclusively in the Alpine regions while the other three types can be found in most regions.

Figures in Table 7.7 show the variety of forest landscapes in Italy. On average, Italian regions host 13 forest types; only in the region of Alto Adige does one type (Norway spruce) account for more than 50% of the area of Tall trees forest. Only in three other regions are more than 40% of Tall trees forest represented by one forest type (Larch and Swiss stone pine in Valle d'Aosta, Mediterranean oaks in Basilicata and Holm oak in Sardegna). Area estimates on forest subtypes are available at national and regional level at inventarioforestale.org/statistiche\_INFC. They can help to distinguish features linked to the frequency and ecology of most of the species. The list of subtypes distinguished by the classification scheme of INFC with corresponding CORINE biotopes and EUNIS codes are given in Chap. 3.



#### 7 Area and Characteristics of Italian Forests 169



#### 7 Area and Characteristics of Italian Forests 171



**Table 7.8**

(continued)

#### 7 Area and Characteristics of Italian Forests 173



#### 7 Area and Characteristics of Italian Forests 175

**Table 7.9**



**Fig. 7.5** Area of Tall trees forest types, in descending order / Superficie delle categorie forestali dei Boschi alti, in ordine decrescente

# **7.3 Distribution by Altitude Classes**

Table 7.11 shows Forest area by altitude class, considering five altitude classes, each 500 m asl wide. Forest is distributed over a wide range of elevation, following the wide range of land elevation due to the orographic characteristics of the country. At the national level, 34.1% of Forest area is in the first class, i.e., up to 500 m asl, and 37.9% is in the second class, between 501 m and 1000 m asl. Forest area rates decrease progressively with altitude as represented by the remaining three following classes: 19.5% of Forest area is in the class 1001–1500 m asl, 7.5% is in the class 1501–2000 m, and 1.1% is above 2000 m asl.

Forest area distribution by elevation class is rather variable at the regional level. Figure 7.6 shows that some regions are marked by a more homogeneous distribution of Forest by elevation (e.g., Veneto, Lombardia, Piemonte, Abruzzo) while in others, Forest is mainly in a few classes (e.g., Toscana, Sardegna). This is also due, of course, to the distribution of regional land area along elevation gradients and explains why Puglia has 100% of its Forest below 1000 m asl. In some Alpine regions the percent of Forest area in the class 0–500 m asl is much lower than the national mean value: 0.8% in Valle d'Aosta, 1.8% in Alto Adige and 5.5% in Trentino. These are mountainous regions with a relevant part of their Forest at altitudes higher than 1500 m asl: 31.9% in Trentino, 54.8% in Alto Adige and 61.7% in Valle d'Aosta. Among non-Alpine



#### 7 Area and Characteristics of Italian Forests 179


**Table 7.11** (continued)

**Fig. 7.6** Percent of area of Forest by elevation class (m asl) / Ripartizione percentuale dell'area del Bosco per classi di altitudine (m s.l.m.)

regions, Abruzzo is the sole region with a relevant rate (12.5%) of Forest above 1500 m asl.

Observing the distribution of Other wooded land by altitude class (Table 7.12 and Fig. 7.7), it is apparent that more than half of the national area (54.6%) falls into the first class, below 500 m asl, but that percentage is much higher in some regions of central and southern Italy: Toscana (72.5%), Sardegna (76.3%) and Puglia (83.1%). Southern regions, in general, host limited area of Other wooded land above 1500 m asl, except Abruzzo (13.5%), which is also the sole non-Alpine region with Other wooded land at above 2000 m asl (0.6% of regional value). Other wooded land above 1500 m asl is, hence, a characteristic of the Alpine regions and very high rates are found in Alto Adige (92.5%) and in Trentino (73.0%).

Additional estimates concerning the elevation distribution of the inventory categories and forest types of Tall trees forest are available at inventarioforestale.org/ statistiche\_INFC. All estimates produced by 300 m wide elevation classes are also available at the website.


**7.12** Other wooded land area by classes of altitude above sea level (asl), module 500 m / Estensione delle Altre terre boscate ripartite per classi

**Table** 

 di


**Table 7.12**

**Fig. 7.7** Percent of area of Other wooded land by elevation class (m asl) / Ripartizione percentuale dell'area delle Altre terre boscate per classi di altitudine (m s.l.m.)

# **7.4 Ownership**

Ownership was classified considering two hierarchical levels, the first relative to the character of the property, private or public, and the second to the type of owner, as reported in Table 7.13. For the first level, in case of mixed property, only private or public was indicated, evaluating case by case if the function of the area was mainly of public or private interest.

Tables 7.14 and 7.15 give the area of Forest and Other wooded land by private and public ownership, respectively; Tables 7.16 and 7.17 show the area estimates of Forest and Other wooded land by ownership type. Similar statistics are available at inventarioforestale.org/statistiche\_INFC also for the inventory categories of Forest and Other wooded land and for the forest types of Forest.

In Italy, 63.5% of the Total wooded area (Forest and Other wooded land) is private property, 32.0% is public property and 4.5% of the area was not classified for this characteristic. In Forest, the prevalence of private property is even more accentuated (66.4%), but the lower percentage of private forest in Other wooded land (50.2%) might also be due to the high portion of not classified area for this macro-category. A picture of the distribution of private and public ownership of Forest and Other wooded land in Italian regions is shown in Figs. 7.8 and 7.9 respectively. Private property of Forest prevails in almost all regions, except in Trentino, Abruzzo and


**Table 7.13** Character and type of ownership / Classi per il carattere e il tipo di proprietà

Sicilia, and accounts for more than 80% of the Forest area in the regions Liguria, Emilia Romagna, Toscana, and Marche.

For the macro-category Forest, the most common type of private ownership is individual property (79.0%), which covers more than 90% of the Forest area in Liguria, Molise, Campania, and Basilicata. Private property belonging to companies is significant in Toscana (19.8%) and Umbria (14.9%), while in Trentino and Marche, a good percentage of private Forest belongs to other private agencies (14.9% and 16.3%, respectively) (Fig. 7.10). Concerning public Forest, municipalities and ordinary statute provinces prevail (65.4%), followed by the state, the regions, and the autonomous provinces (together they account for 23.5%), while only 8.3% of the area belongs to other public agencies (Fig. 7.11). The division by type of public


**Table**


**Table 7.14**

(continued)

7 Area and Characteristics of Italian Forests 187



**Table 7.15**

(continued)

#### 7 Area and Characteristics of Italian Forests 189



# **Table 7.16** (continued)



**Table 7.17** (continued)

Not classified / Non classificato


**Fig. 7.10** Types of private ownership in Forest / Tipi di proprietà privata del Bosco

property varies considerably among the regions. Compared with the national situation, many regions in central Italy, and Sicilia are distinguished by a smaller rate of municipal and provincial property in favour of state property, except for Umbria, where the property of other public agencies prevails. The class other public agencies shows a considerably higher proportion than at the national level in Alto Adige and in Trentino.

# **7.5 Growing Stock and Increment**

Table 7.18 shows the estimates on the number of living trees in the inventory categories of Forest; Tables 7.19 and 7.20 show estimates related to the forest types of Tall trees forest and Plantation. In Italian Forests there are almost 11.5 billion trees, 1264


**Fig. 7.11** Types of public ownership in Forest / Tipi di proprietà pubblica del Bosco

per hectare on average. Trees number per hectare ranges between 1000 and 1500 in twelve regions; in four regions (Umbria, Marche, Lazio and Molise), there are more than 1500 trees per hectare (up to 1728 in Umbria), while in the remaining five regions (Valle d'Aosta, Alto Adige, Puglia, Basilicata and Sicilia), such a density value is lower and ranges between 578 (Sicilia) and 986 (Basilicata). The values by forest type indicate a predominant contribution of the broadleaved stands, with exceptionally high values in Hornbeam and Hophornbeam forests (2160 trees per hectare) and Holm oak forests (1937 trees per hectare). To some extent, such high densities can be explained by the silviculture applied in these two forest types that are mainly coppices for firewood production. In fact, to the contrary, the lowest tree number per hectare was found in the Cork oak forests (575 trees per hectare), in which low density and relevant tree size are pursued to ensure crown complete exposure to sunlight and obtaining planks of cork of appropriate size and thickness (Gambi, 1989).


**Table 7.18** Total number and number per hectare of living trees by Forest inventory category / Valori totali e per ettaro del numero di alberi per le categorie





#### 7 Area and Characteristics of Italian Forests 201



#### 7 Area and Characteristics of Italian Forests 203


**Table7.19**(continued)


#### 7 Area and Characteristics of Italian Forests 205

**Table 7.19**



206 P. Gasparini et al.



### 7 Area and Characteristics of Italian Forests 207

The number of trees, either total or per hectare, as an index of growing stock has limited value because size of trees may vary a lot. As a stand density index, tree numbers per hectare have little utility in natural stands and have been more frequently used in plantations (Avery & Burkhart, 1983) or in young stands (Bernetti, 1995). The number of trees per unit area is necessary but not sufficient to adequately describe stand density (Burkhart & Tomé, 2012), and must be complemented by further information, such as tree size, relative distance or stand structure (Avery, 1967).

Table 7.21 shows estimates on the basal area for the inventory categories of Forest. Table 7.22 shows the same statistics for the Tall trees forest types and Table 7.23 for the Plantations forest types. Basal area is more appropriate to give indications on the stand density because it is highly correlated to the growing stock; it has also the advantage of being calculated directly by stem diameter or DBH, a variable easy to measure with accuracy (e.g., Bueno-López & Bevilacqua, 2013; Di Cosmo & Gasparini, 2020). At forest types level, coniferous stands are marked by higher values. In fact, compared to the average national value of 22.1 m2 ha−1, all the coniferous forest types show higher densities, with basal areas ranging between 25.5 m2 per hectare (Larch and Swiss stone pine forest) and 43.0 m<sup>2</sup> per hectare (Fir forest). An exception is the Mediterranean pine forest with 18.7 m2 per hectare. Among the broadleaved types, only the Beech (31.7 m2 ha−1) and Chestnut forest (28.0 m2 ha−1) show values higher than the national average and similar to those estimated for the coniferous types. The Hornbeams and Hophornbeams and the Holm oak forest types, rich in the number of trees per hectare, have relatively lower values of the basal area (18.2 and 18.6 m2 per hectare, respectively), confirming that trees are abundant, but the size is limited. The three forest types with highest values of total basal area are Beech (33,336,591 m2), Norway spruce (22,314,318 m2) and Chestnut (21,802,076 m2), that are marked by high density values and large areas in the country.

Table 7.24 shows the growing stock volume for the inventory categories of Forest; Tables 7.25 and 7.26 shows estimates for the forest types of Forest and Plantations. Growing stock volume estimated for all Italian Forests barely exceeds 1.5 billion cubic metres, with an average value per hectare of 165.4 m<sup>3</sup> (Fig. 7.12). In terms of aboveground tree biomass, they amount to little more than 1 billion tons (Mg), with an average value per hectare of 114.9 Mg ha−<sup>1</sup> (Table 7.27).

The regions that contribute most to the overall growing stock of Italian forests, in terms of volume and biomass, are Toscana (10.4% of total volume and 11.1% of total aboveground tree biomass), Piemonte (9.8% of volume and 9.6% of biomass) and Lombardia (8.7% of volume and 7.9% of biomass). The minimum regional values are in Valle d'Aosta, Molise and Puglia, in which growing stock volume ranges from 1.0 to 1.3% and aboveground tree biomass ranges from 1.1 to 1.5% of the national totals.

Tables 7.28 and 7.29 show estimates on the aboveground tree biomass for the forest types of Forest and Plantations. Among the forest types, the significance of Beech forests (19.6% of total growing stock volume and 21.5% of total aboveground tree biomass) and Norway spruce (16.4% of volume and 12.3% of aboveground tree biomass) has been confirmed. Chestnut forest type is still relevant but to a lesser



#### 7 Area and Characteristics of Italian Forests 209




#### 7 Area and Characteristics of Italian Forests 211



7 Area and Characteristics of Italian Forests 213


**Table7.22**(continued)


#### 7 Area and Characteristics of Italian Forests 215




7 Area and Characteristics of Italian Forests 217


**Table 7.23** (continued)







#### 7 Area and Characteristics of Italian Forests 221


**Table**


#### 7 Area and Characteristics of Italian Forests 223

**Table**



#### 7 Area and Characteristics of Italian Forests 225

**Table**


**7.25**(continued)

**Table**



**Fig. 7.12** Growing stock volume and aboveground tree biomass by region (X-axis was limited to improve readability; exceeding values are given in numbers) / Volume del fusto e fitomassa arborea epigea nelle regioni italiane (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)

extent compared with the comments on basal area; Chestnut forest is still in third position for growing stock (10.0% of total national volume) but was surpassed by the Mediterranean oaks in the biomass (10.1% of total national value), due to the higher wood basal density. Figures 7.13 and 7.14 show the growing stock volume and aboveground tree biomass values, overall and per hectare, in the Tall trees forest types.

Considerable differences between the total value and value per hectare allow for an understanding as to which forest types are the most widespread in Italy. The ratio between the growing stock volume (i.e., the volume of the stem and large branches and treetop up to 5 cm section) and the aboveground tree biomass (i.e., the volume of the stem, large branches, stump, small branches and treetop) of each forest type was previously used in the estimates provided by INFC2005 to calculate the Biomass Conversion and Expansion Factor (BCEF) (Di Cosmo & Tabacchi, 2011). This may be used to understand the biomass of stands when the only known variable is their volume. Small fluctuations of those coefficients after each NFI are expected because the sample of trees is not the same. For example, that ratio is size dependent within a species, the rate of species within a forest type is not constant,




**Table 7.27** (continued)



#### 7 Area and Characteristics of Italian Forests 231



**Table7.28**(continued)



#### 7 Area and Characteristics of Italian Forests 235




#### 7 Area and Characteristics of Italian Forests 237

**Fig. 7.13** Growing stock volume, total and per hectare, by Tall trees forest type / Volume del fusto, totale e per ettaro, per categoria forestale dei Boschi alti

the rate of truncated trees is not constant and their biomass is estimated using a simplified method (Chap. 6). For this reason, we let users compute new BCEF based on the INFC2015 statistics. However, the Mediterranean pines forest type will show a coefficient behind the small, expected difference with the former; this is due to the novel use of volume and biomass functions used for *Pinus halepensis*, that were not available in 2005.

Estimates of the annual volume increments are shown in Table 7.30 for the inventory categories of Forest; in Table 7.31, for the Tall trees forest types; and in Table 7.32, for Plantations. The mean annual volume increment of Forest in Italy amounts to 37.8 million cubic metres, 4.2 m3 per hectare on average. Among the Tall trees forests (Fig. 7.15), the main contribution is due to Beech forest (15.5%), followed by Norway spruce (12.8%) and Other broadleaved forests (12.4%).

For totals at the national level, a main contribution is due to the broadleaved forest types, since each of these generally shows higher values that those characterised by conifers, although it is among the broadleaved that we found the minimum values (Cork oak and Other evergreen broadleaved forests, both contributing 0.6% of total volume increment). The four highest per hectare values were all in coniferous forest types (Fir, Norway spruce, Black pines and Other coniferous forests), ranging from 6.1 and 9.1 m3 per hectare and year. Among the broadleaved types, Beech forest contributes with 5.5 m3 per hectare and year, Chestnut with di 5.4 m3 per hectare and year, a very similar value.

**Fig. 7.14** Aboveground tree biomass, total and per hectare, by Tall trees forest type / Biomassa arborea epigea, totale e per ettaro, per le categorie forestali dei Boschi alti

# **7.6 Structure and Development**

Stands structure and development are described through a series of variables referring to crown coverage, vertical structure, silvicultural system and applied silvicultural practices, development stage and age.

Assessment of crown coverage specifically for trees and for shrubs, on orthophotos and in the field, allowed each plot to be assigned into one of the following six classes: <5%, 5–10%, 11–20%, 21–50%, 51–80%, >80%, used for the INFC statistics.

The silvicultural system, classified by combining information on trees origin (from seed or suckers, or a mixture of the two) and adopted silvicultural practices, was recorded based on ten classes, described in Table 7.33. Even-aged coppice, coppice in transition to high forest, and even-aged high forest were classified as one-layer or two-layers stands to describe the vertical structure. The development stage was classified according to the classes shown in Table 7.34; in case of even-aged stands, age was assessed through the following year classes: less than 10 years, between years 11–20, 21–30, 31–40, 41–80, 81–120, more than 120 years. Silvicultural system and development stage were not assessed in Plantations, but the age class was considered. Data on these attributes was used to derive area estimates and estimates of the quantitative attributes of growing stock and increment by the silvicultural system, development stage and age class.


 di

dell'incremento

 annuo

**Table 7.30** Total value and value per hectare of annual volume increment

 by Forest inventory category / Valori totali e per ettaro


**Table 7.30**

(continued)

7 Area and Characteristics of Italian Forests 241



#### 7 Area and Characteristics of Italian Forests 243



7 Area and Characteristics of Italian Forests 245



#### 7 Area and Characteristics of Italian Forests 247

**Table 7.31**


**Table 7.32** Total value and value per hectare of annual volume increment by Plantations forest type / Valori totali e per ettaro dell'incremento correntelecategorieforestalidegliImpiantidiarboricolturadalegno

 di

**Fig. 7.15** Annual increment, total and per hectare, by Tall trees forest type / Incremento annuo, totale e per ettaro, per le categorie forestali dei Boschi alti

Tables 7.35 and 7.36 give the Forest area by classes of total canopy and tree canopy cover, respectively. Similar statistics are provided for the inventory categories Tall trees forest and Plantations and for the Tall trees forest types at national level at inv entarioforestale.org/statistiche\_INFC.

Figure 7.16 shows the Forest area by classes of total canopy cover at the regional level.

The largest portion of Italian Forest (74.4%) is marked by a total canopy cover higher than 80% and the total cover class of 51–80% accounts for 18.0% of Forest area. Less dense coverages are more frequent in Sicilia, Sardegna and Alto Adige (Table 7.35). The prevalence of dense or very dense crown coverages was also confirmed by considering only tree canopy cover: the percentage of Forest area with tree canopy coverage in the last two classes is, respectively, 21.8% and 62.7% (Table 7.36). Forest types marked by higher tree cover are Fir, Beech, Chestnut and Hornbeam and Hophornbeam forests; Cork oak, Other evergreen broadleaved and Larch and Swiss stone pine forests are the forest types with the lowest tree crown coverage (Fig. 7.17 and related table at inventarioforestale.org/statistiche\_INFC).

The following remarks on silvicultural systems and development of Italian forests refer mainly to Tall trees forest, which is by far the largest inventory category. Additionally, most attributes discussed later in this paragraph were not assessed for Plantations. Table 7.37 gives the area estimates of Tall trees forest by silvicultural system.


**Table 7.33** Silvicultural system classes / Classi per il tipo colturale


**Table 7.33** (continued)

Figure 7.18 shows the distribution of Tall trees forest area by groups of silvicultural system in the Italian regions. Nationwide, the area of coppice and that of high forest are approximately the same. However, the area percentage of the two groups of silvicultural systems differs considerably at the regional level. Coppice silvicultural systems cover more than 50% of Tall trees forest area in nine regions (Lombardia, Liguria, Emilia-Romagna, Toscana, Umbria, Marche, Lazio, Molise, and Puglia). High forests have greater representation in Alpine regions (Valle d'Aosta, Piemonte, Alto Adige, Trentino, Friuli-Venezia Giulia, and Veneto) and in the two southernmost regions Calabria and Sicilia. The class undefined silvicultural system, which is marked by the absence of silvicultural activity or by only sporadic or occasional silvicultural activity, represents a relevant portion of Tall trees forest area in almost all regions.

The most common silvicultural system is coppice with standards (29.2% of Tall trees forest area), followed by uneven-aged high forest (16.1%), even-aged high forest (15.1%) and undefined silvicultural system (13.9%) (Fig. 7.19).

Tables 7.38 and 7.39 give the estimates of Tall trees forest area by development stage and by vertical structure, respectively. Additionally, Table 7.40 gives the evenaged Forest area by age class. Similar statistics are provided for the forest types at inventarioforestale.org/statistiche\_INFC. Figures 7.20, 7.21, and 7.22 show the percentage of coppice, high forest and special or undefined silvicultural system area by development stage. In coppice, regenerating and young stages together account for 10.6% of the area; in even-aged high forest regenerating-empty, young growth and thicket add up to 3.0% of the area. Although a difference between those two


**Table 7.34** Development stage classes for the different silvicultural systems / Classi per lo stadio di sviluppo per i diversi tipi colturali




**Table 7.34** (continued)

percentages was expected because development stages have different durations for coppice and high forest, early stage accounts for low percentages of area in both cases. Mature and overage stage accounts for 34.3% of the area of even-aged high forest or coppice in transition to high forest, and the overage stage accounts for 32.6% of the coppice area. Figure 7.22 on special or undefined silvicultural systems, which comprises specialised stands for secondary products and spontaneous vegetation like new forest stands on abandoned land, shows a higher percentage of young stands and a lower percentage of overaged ones compared to other silvicultural systems. This was in line with expectations.

The one-layer vertical structure was found in 76.8% of the classified Tall trees forest area. The two-layers structure was found in the remaining 23.2% of the area, which accounts for 1,557,010 ha. Uneven-aged, irregular or structured high forest and uneven-aged coppice together, which are characterised by a multi-layer vertical structure or by different structural types on a small area, account for 2,219,995 ha (see Table 7.38).





**Table 7.35** (continued)


7 Area and Characteristics of Italian Forests 257

**Table 7.36**

Forest area by classes of tree canopy cover / Estensione

 del Bosco ripartito per grado di copertura arborea


**Table 7.36** (continued)

**Fig. 7.16** Percent of area of Forest by total canopy cover class / Ripartizione percentuale della superficie del Bosco per classi di copertura totale

Estimates of total values and values per hectare of growing stock volume and aboveground tree biomass, and of annual volume increment of Forest by group of silvicultural systems are given in Tables 7.41, 7.42 and 7.43, respectively. In those tables, Plantations are included in the class not classified silvicultural system. Similar statistics are available by forest types, at the national level, at inventarioforestale.org/ statistiche\_INFC. Figures 7.23 and 7.24 illustrate the national values on growing stock volume and volume annual increment for coppice, high-forest, special and undefined silvicultural system.

Growing stock volume in high forest is about double that of coppice, both for the total volume and for the volume per hectare. The total growing stock is 905.4 million m<sup>3</sup> and 466.0 million m<sup>3</sup> for high forest and coppice, respectively, and value per hectare is respectively 241.0 m3 and 123.0 m3. As regards growth, the annual volume increment of high forest is much larger than that of coppice, both the total value and the value per hectare, which are 18.9 million m<sup>3</sup> and 5.0 m3 per hectare, respectively, for high forest and 14.3 million m<sup>3</sup> and 3.8 m3 per hectare, respectively, for coppice.

Tables 7.44, 7.45, and 7.46 provide the total values of growing stock volume and aboveground tree biomass, and the annual volume increment of Forest by age class. Similar statistics for forest types, at the national level, are available at inventariofores tale.org/statistiche\_INFC. Figures 7.25, 7.26, and 7.27 show the total growing stock

**Fig. 7.17** Percent of area of Tall trees forest types by tree canopy cover class / Ripartizione percentuale della superficie delle categorie forestali dei Boschi alti per classi di copertura arborea

volume, the total annual volume increment, and the percent annual volume increment by age class, respectively, in even-aged coppice and high forest.

# **7.7 Forest Understory**

Woody vegetation in the underlying layer was assessed by counting individual tree and shrub species growing between the forest canopy and the forest floor under the size thresholds for being callipered but higher than 50 cm. Counting was carried out using three classes of height and diameter (cf. Chap. 4). For tree species, total and per hectare estimates of number of individuals, aboveground biomass and content of organic carbon were derived by dimensional class and total. Similarly, statistics were derived for shrubs aboveground biomass and organic carbon by class of height and diameter. Counts of small trees and shrubs were processed separately and together to estimate total aboveground biomass and total organic carbon of forest understory woody vegetation (cf. Chap. 12).

Tables 7.47, 7.48, and 7.49 give the estimates of total and per hectare number of small trees by Forest inventory category and forest type. Analogue statistics by dimensional class and those on shrub species are available at inventarioforestale.org/



**Table 7.37**


#### 7 Area and Characteristics of Italian Forests 263

**Fig. 7.18** Percent of area of Tall trees forest by groups of silvicultural system / Ripartizione percentuale della superficie dei Boschi alti per gruppi di tipi colturali

**Fig. 7.19** Percent of area of Tall trees forest by silvicultural system, at the national level / Ripartizione percentuale della superficie dei Boschi alti per tipo colturale, a livello nazionale


# 7 Area and Characteristics of Italian Forests 265


**Table 7.38** (continued)


#### 7 Area and Characteristics of Italian Forests 267


**Table 7.38**

(continued)


### 7 Area and Characteristics of Italian Forests 269



 **7.40**Even-aged Forest by age class / Estensione dei tipi colturali coetanei del Bosco ripartiti per classi

 di età

**Table**



#### 7 Area and Characteristics of Italian Forests 273


**Table 7.40** (continued)

statistiche\_INFC, together with the statistics on understory woody biomass and its stored organic carbon by understory component.

Figure 7.28 shows the total number of small trees per hectare in the Italian regions. Values vary from 1506 small trees per ha in Valle d'Aosta to 9539 small trees per ha in Molise. Differences are also due to the uneven distribution of forest types in the regions. Broadleaved forests are generally characterised by a higher number of small trees than coniferous ones. Among coniferous forests, pine forests show the highest values, which are close to those of the broadleaved types with limited number of small trees like Beech and Hygrophilous forests, but higher than the number in Cork oak and Other evergreen broadleaved types.

**Fig. 7.21** Percent of area of even-aged high forest by development stage / Ripartizione percentuale della superficie delle fustaie coetanee per stadio di sviluppo

**Fig. 7.22** Percent of area under special or undefined silvicultural system, by development stage / Ripartizione percentuale della superficie con tipo colturale speciale o non definito, per stadio di sviluppo



#### 7 Area and Characteristics of Italian Forests 279


**Table 7.42** Total value and value per hectare of aboveground tree biomass of Forest by silvicultural system / Valori totali e per ettaro della fitomassa

 arborea


TotalvalueandvalueperhectareofannualvolumeincrementofForestbysilviculturalsystem/Valoritotalieperettarodell'incremento


#### 7 Area and Characteristics of Italian Forests 283

**Fig. 7.23** Total value and value per hectare of growing stock volume by the silvicultural system / Valori totali e per ettaro del volume per tipo colturale

**Fig. 7.24** Total value and value per hectare of the annual volume increment by the silvicultural system / Valori totali e per ettaro dell'incremento annuo di volume per tipo colturale


**7.44**TotalvalueofForeststemvolumebyageclass / Valori totalidelvolumedelfustodelBoscoripartitoperclasse

 di età

**Table** 


#### 7 Area and Characteristics of Italian Forests 285

**Table 7.44**

(continued)


**Table**


**Table 7.44** (continued)




#### 7 Area and Characteristics of Italian Forests 289


**Table 7.45** (continued)


**7.45**(continued)

**Table**


**Table 7.45** (continued)


#### 7 Area and Characteristics of Italian Forests 293


#### 294 P. Gasparini et al.


#### 7 Area and Characteristics of Italian Forests 295

**Table 7.46**

(continued)



#### 7 Area and Characteristics of Italian Forests 297

**Table 7.46**

(continued)


**Table7.46**(continued)

**Fig. 7.25** Total growing stock volume by age class in even-aged coppice and high forest / Volume totale per classe di età, in cedui e fustaie coetanee

**Fig. 7.26** Total annual volume increment by age class in even-aged coppice and high forest / Incremento annuo totale di volume per classe di età, in cedui e fustaie coetanee

**Fig. 7.27** Percent annual volume increment by age class in even-aged coppice and high forest / Incremento annuo percentuale di volume per classe di età, in cedui e fustaie coetanee



#### 7 Area and Characteristics of Italian Forests 301





#### 7 Area and Characteristics of Italian Forests 303





#### 7 Area and Characteristics of Italian Forests 307




#### 7 Area and Characteristics of Italian Forests 309



**Table** 

**Fig. 7.28** Number per hectare of small trees in Forest, by region / Numero per ettaro di soggetti della rinnovazione per il Bosco, nelle regioni italiane

# **Appendix (Italian Version)**

**Riassunto** La consapevolezza che il patrimonio forestale non è inesauribile non è acquisizione recente, ma risale al basso medioevo, quando si capì l'importanza di una qualche forma di pianificazione dello sfruttamento delle risorse forestali e la necessità di conoscerle per poterle gestire. Proiettati su scala più ampia e fondati su tecniche di campionamento statistico, rispetto alle tecniche di inventariazione ideate a quel tempo, gli inventari forestali nazionali sono deputati a produrre informazione scientificamente attendibile per supportare le decisioni di politica forestale. Tra le principali informazioni prodotte dagli inventari forestali nazionali si annoverano l'estensione delle superfici e la composizione delle foreste, la proprietà, la consistenza del capitale legnoso e il suo incremento, ma anche altre inerenti alle forme di gestione selvicolturale e alle caratteristiche colturali e strutturali del bosco. Questo capitolo riporta le statistiche prodotte nell'ambito degli attributi sopra elencati. Per l'estensione delle superfici, sono riportate quelle della Superficie forestale totale, del Bosco e delle Altre terre boscate, variamente ripartite in categorie inventariali e forestali, che ne descrivono la composizione, nonché la distribuzione per classi di quota. Tra i caratteri del soprassuolo, sono mostrati e commentati anche quelli relativi al grado di copertura, allo stadio di sviluppo, alla distribuzione per classi di età. Infine, sono riportate le statistiche sulla presenza e consistenza della rinnovazione e degli arbusti.

# **Introduzione**

La consapevolezza che il patrimonio forestale non sia inesauribile non è acquisizione recente. Nel mondo occidentale, essa risale al basso medioevo (Sereno, 2008). Già ridotte in estensione dai cospicui dissodamenti per la conquista di suoli lavorabili, avvenuti fin dai secoli VII e VIII ma soprattutto in più fasi dall'XI al XIV, interi settori del bosco dovettero essere messi sotto tutela dall'eccessivo sfruttamento, cosa che avvenne per provvedimenti delle autorità pubbliche a partire dal XIV secolo (Fossier, 2003). Tuttavia, già tra il XII e XIII secolo gli statuti locali e gli accordi con i signori si erano moltiplicati, promossi dalle comunità per tutelare gli incolti (Provero, 2020). Si erano già manifestati, anche nell'Italia del nord, problemi che oggi definiremmo ambientali, ma l'equilibrio da preservare era principalmente quello capace di assicurare la continuità della produzione dei beni richiesti alla foresta: legna e legname, ghianda per gli animali al pascolo, selvaggina (Delort, 1989). Loetsch and Haller (1973) collocano la nascita delle tecniche di inventariazione forestale alla fine del medioevo, quando si rese necessaria una qualche forma di pianificazione dello sfruttamento delle foreste vicino alle città e alle miniere, a seguito della ridotta capacità di fornire legno. Stessi timori e stessa esigenza informativa, traslati nel tempo e proiettati su scala nazionale, hanno dato l'avvio agli inventari forestali nazionali, nei primi anni del Novecento. Secondo Persson and Janz (2015), le principali esigenze informative riguardano l'estensione delle superfici, le caratteristiche topografiche, la proprietà, l'accessibilità delle aree, la consistenza del capitale legnoso e il suo incremento. Questo capitolo riporta le statistiche prodotte da INFC2015 riguardo ad alcune delle principali variabili tradizionalmente stimate dagli inventari forestali nazionali.

La misurazione dell'estensione delle foreste ha rappresentato a lungo una condizione indispensabile per poterne stimare i valori totali. Le stime erano quindi fortemente ancorate alla preliminare operazione di mappatura, perché sulle mappe si poteva misurare la superficie del bosco cui rapportare i valori medi di massa stimati in varie sue parti (Loetsch & Haller, 1973). Inventari così condotti si sono presto rilevati inadeguati per fornire informazioni a carattere nazionale (McRoberts et al., 2010; Tomppo et al., 2010). Con gli inventari forestali moderni, basati su tecniche di campionamento statistico, le superfici sono divenute oggetto di stima al pari delle altre variabili. Ciò è vero per la Superficie forestale totale e, naturalmente, anche per le sue ripartizioni, come ad esempio il Bosco e le Altre terre boscate, le superfici per grado di mescolanza, categorie e sottocategorie forestali, che meglio descrivono la composizione delle foreste, commentate in questo capitolo.

Per la correlazione con la temperatura dell'aria, la quota esplica sulla distribuzione della vegetazione non solo un'azione diretta ma anche indiretta, condizionando i processi di pedogenesi attraverso l'alterazione dei minerali e la decomposizione della sostanza organica (Avena & Dowgiallo, 1995). Serie temporali di statistiche di distribuzione per fasce altitudinali dei tipi di vegetazione, inoltre, rappresentano un contributo fondamentale nell'ambito delle valutazioni di adattamento ai cambiamenti climatici. INFC produce stime di superficie secondo due tipi di moduli per le classi di quota, uno con intervallo di 500 m e l'altro di 300 m, onde consentire il confronto sia con le statistiche del primo inventario forestale nazionale (IFNI85) sia con le ripartizioni territoriali adottate dall'Istituto nazionale di statistica (ISTAT), in cui la quota di 600 m s.l.m. delimita i territori montani.

Informazioni utili ad orientare le politiche forestali delle istituzioni preposte sono senza dubbio rappresentate dalle stime della superficie forestale di proprietà pubblica e di proprietà privata, almeno per due ordini di motivi. Nel primo rientra l'attesa che le finalità perseguite con la gestione forestale da parte di proprietari pubblici, soprattutto quando si tratti di enti a carattere territoriale, possano differire da quelle dei privati; all'altro ordine attengono le implicazioni di carattere socio-politico che possono scaturire da provvedimenti legislativi che abbiano effetto sulla proprietà fondiaria.

Statistiche sul volume e sull'incremento legnoso sono state a lungo la motivazione principale degli inventari forestali nazionali (es. Breidenbach et al., 2020). Al tradizionale interesse per il valore economico del capitale legnoso della foresta, si è aggiunto negli ultimi decenni quello per l'insostituibile ruolo svolto dalle foreste quale serbatoio forestale di carbonio (cfr. Chap. 12). Come conseguenza, oltre al volume ne viene stimata la massa e vengono inclusi nelle stime anche alberi con diametri inferiori, rispetto al passato. La desiderata sostenibilità della gestione, necessaria per preservare la capacità produttiva delle foreste, si basa sulla regolazione dei prelievi rispetto all'incremento di volume. La sua stima ha assunto rilevanza anche nei programmi di monitoraggio volti a valutare la risposta delle foreste ai cambiamenti ambientali (Dobbertin, 2005; Gschwantner et al., 2016; Solberg et al., 2009). Espressointermini di fitomassa,l'incremento fornisce una misura del contributo delle foreste alla fissazione di carbonio atmosferico. Il ruolo degliinventari nella stima degli incrementi è insostituibile, poiché si tratta di un attributo ancora poco valutato con le tecniche di remote sensing, che viene stimato attraverso misurazioni di campo ripetute su aree di saggio permanenti o mediante carotaggi (Gasparini et al., 2017).

Con particolare rilievo perle statistiche oggetto del presente capitolo,la valutazione del grado di copertura arborea è fondamentale per definire l'appartenenza o meno dei punti inventariali al dominio inventariale, in funzione delle soglie del 5% e del 10% rilevanti ai fini del sistema di classificazione adottato (cfr. Chap. 2). La distribuzione dellechiome,inoltre,consente di descriverela struttura dei popolamenti; INFC2015 ha registrato la presenza di eventuali piani delle chiome per poter fornire statistiche sulla struttura verticale, mediante la differenziazione tra soprassuoli a struttura monoplana o biplana.

Informazioni relative alla forma di governo e di trattamento dei soprassuoli, nonché allo stadio di sviluppo e all'età, quest'ultima di interesse per i popolamenti coetanei, sono indispensabili per la pianificazione della gestione e per lo sviluppo di politiche forestali a livello più generale. Le stime relative alle variabili quantitative secondo le ripartizioni della superficie forestale individuate dai caratteri qualitativi sopra elencati sono inoltre particolarmente utili per ipotizzare l'evoluzione futura dei soprassuoli nei diversi scenari di intervento.

Rinnovazione e arbusti rappresentano le componenti storicamente meno considerate dagli inventari forestali, tra quelle descritte in questo capitolo. Come è stato sopra ricordato, le soglie diametriche adottate in origine dagli inventari erano fortemente orientate alla stima del capitale legnoso di interesse commerciale o prossimo a diventarlo. Nell'accezione di INFC, per rinnovazione si intendono piante di piccola dimensione, inferiore alla soglia per il cavallettamento, e non necessariamente con l'esplicita funzione riconosciuta al termine in senso selvicolturale, di ricostituzione del popolamento. La misurazione della componente di piccole dimensioni contribuisce ad una più accurata valutazione del carbonio immagazzinato dalla vegetazione legnosa, ma al contempo consente di registrare la presenza di elementi botanici che solo raramente raggiungono dimensioni utili alla misurazione dei diametri.

# **Superficie e composizione**

Le stime della superficie del Bosco e delle Altre terre boscate sono tra i risultati principali dell'inventario forestale nazionale. INFC produce stime di superficie per due macrocategorie inventariali, sette categorie inventariali e ventitré categorie forestali, queste ultime ulteriormente ripartite in sottocategorie, a livello regionale e nazionale. Lo schema di classificazione adottato da INFC, e le descrizioni delle relative classi, sono riportati nel Chap. 2 e nel Chap. 3, rispettivamente per le categorie inventariali e forestali e per le classi di uso e di copertura del suolo.

La Table 7.1 mostra le statistiche sulla superficie del Bosco, delle Altre terre boscate e della Superficie forestale totale; le Tables 7.2 e 7.3 riportano le stime di superficie per le categorie inventariali del Bosco e delle Altre terre boscate, rispettivamente. La Superficie forestale totale in Italia ammonta a 11,054,458 ha, dei quali l'82.2% è classificata come Bosco (9,085,186 ha) e il 17.8% come Altre terre boscate (1,969,272 ha). La Superficie forestale totale copre il 36.7% della superficie territoriale nazionale; il Bosco interessa il 30.2% e le Altre terre boscate il 6.5% della superficie nazionale. A livello regionale, la superficie forestale varia considerevolmente, spaziando dal 7.4% (Puglia) al 63.3% (Liguria), e rimanendo sopra il 40% in cinque regioni (Alto Adige, Trentino, Friuli-Venezia Giulia, Toscana e Umbria). La superficie delle Altre terre boscate approssima generalmente la quantità stimata a livello nazionale anche nella maggior parte delle regioni, eccetto la Sardegna, la Basilicata e la Calabria, dove mostra valori considerevolmente più elevati (28.0%, 10.4% e 10.3%, rispettivamente). Alla Sardegna, in particolare, si deve circa un terzo della superficie delle Altre terre boscate riportate per l'Italia intera. La Fig. 7.1 mostra la percentuale della superficie territoriale italiana coperta dal Bosco e dalle Altre terre boscate e la distribuzione dei relativi punti inventariali.

La categoria inventariale dei Boschi alti è di gran lunga la più importante, con 8,956,787 ha, di cui 35,836 ha sono temporaneamente privi di copertura (Table 7.2). La categoria dei Boschi alti è rappresentata dalle superfici con una copertura delle chiome superiore al 10%, assicurata da alberi alti almeno 5 m, o capaci di raggiungere queste soglie in situ, e con uso del suolo prevalente non agricolo o urbano.

Le stesse soglie per l'altezza degli alberi e il grado di copertura valgono anche per gli Impianti di arboricoltura da legno, che però sono caratterizzati dalla destinazione produttiva specializzata di legname o di legno, sono sempre di origine artificiale e sottoposti a pratiche di gestione intensiva e possono trovarsi anche su suoli ad uso agricolo. La superficie degli Impianti di arboricoltura da legno è pari a 128,399 ha, e le percentuali maggiori si trovano in Piemonte, Lombardia, Friuli-Venezia Giulia, Marche e Sardegna (Table 7.2), dove rappresentano dal 2 al 4% della superficie del Bosco della regione.

Le Altre terre boscate sono composte principalmente da Arbusteti, per un totale di 1,168,776 ha, dei quali circa la metà sono in Sardegna. Le categorie inventariali Boschi bassi, Boschi radi e Boscaglie rappresentano nel complesso il 20.3% delle Altre terre boscate (Table 7.3 e Fig. 7.2). La presenza di Boschi bassi e Boscaglie indica spesso limitazioni stazionali importanti, dovute a fattori edafici o di ventosità, che possono ostacolare lo sviluppo di soprassuoli arborei più evoluti, mentre i Boschi radi possono rappresentare fasi di serie evolutive o regressive, legate quindi alla colonizzazione o al degrado di soprassuoli all'origine più densi; in contesti particolari ad elevate altitudini, possono però rappresentare anche condizioni di equilibrio stabile. Per convenzione, le aree in cui la presenza di copertura arborea e/o arbustiva è stata accertata per fotointerpretazione ma non è stato possibile registrare informazioni più accurate mediante i rilievi in campo, sono state assegnate alle Altre terre boscate, nella categoria inventariale Aree boscate inaccessibili o non classificate.

Una prima classificazione generale del bosco è quella basata sulla composizione del gruppo di specie (Table 7.4), ampiamente utilizzata nella compilazione di statistiche per le attività di reporting internazionale ed europeo. I punti di campionamento inventariale sono stati per questo assegnati alle classi indicate, sulla base della percentuale di copertura delle chiome relativa al gruppo di specie registrata in campo. Coerentemente, le Tables 7.5 e 7.6 riportano le statistiche sulle superfici afferenti ai boschi di conifere, a quelli di latifoglie e ai boschi misti, rispettivamente per le macrocategorie inventariali del Bosco e delle Altre terre boscate. All'indirizzo inventarioforestale.org/statistiche\_INFC sono disponibili statistiche analoghe per le categorie inventariali del Bosco e per quelle delle Altre terre boscate. Le Figs. 7.3 e 7.4 mostrano la percentuale di superficie del Bosco e delle Altre terre boscate per boschi puri di latifoglie, puri di conifere e per i boschi misti. A livello nazionale, i boschi puri di latifoglie predominano sia nel Bosco (68.5%) sia nelle Altre terre boscate (53.9%); in queste ultime, la prevalenza di questa classe diventa ancora più marcata (83.4%) se si concentra l'attenzione alla superficie effettivamente classificata per questo attributo. Soprassuoli puri di conifere occupano il 12.8% della superficie del Bosco e si trovano prevalentemente nelle regioni del nord (Valle d'Aosta, Alto Adige e Trentino), dove caratterizzano vari paesaggi di tipo alpino, ma anche in alcune regioni della penisola e in Sicilia, per la presenza di pinete costiere e di alcune conifere mediterraneo-montane. La classe dei boschi misti di conifere e latifoglie occupa il 10.1% della superficie del Bosco e il 6.1% di quella delle Altre terre boscate e si rinviene maggiormente in alcune regioni del nord (Lombardia, Trentino, Veneto, Friuli-Venezia Giulia) e in Calabria.

Classificazioni di maggiore dettaglio sulla composizione specifica adottata da INFC sono descritte nel Chap. 2. I punti inventariali sono stati classificati sulla base della specie predominante in termini di copertura delle chiome. La classificazione della categoria forestale è essenziale per l'attribuzione dei punti agli strati inventariali. Per questo motivo, la categoria forestale viene attribuita anche ai punti inventariali non accessibili ma solo osservabili a distanza, quando è possibile riconoscere e valutare la predominanza della specie. In questi casi, comunque, non è stato possibile registrare informazioni sulla sottocategoria forestale e altre sulla copertura del suolo. La classe 'non classificato' include le superfici non assegnate ad alcuna categoria forestale nel secondo inventario INFC2005, in quanto Aree temporaneamente prive di soprassuolo per le quali non era previsto di indicare la categoria forestale, e che non è stato possibile classificare durante la campagna di rilievi INFC2015.

Le Tables 7.7 e 7.8 riportano le superfici forestali stimate per le categorie forestali dei Boschi alti e degli Impianti di arboricoltura da legno, rispettivamente. Statistiche analoghe sono pubblicate nella Table 7.9, a livello nazionale, per le categorie inventariali delle Altre terre boscate, e nella Table 7.10 per la categoria Arbusteti anche a livello regionale. La stima delle superfici a livello provinciale è disponibile all'indirizzo inventarioforestale.org/statistiche\_INFC. La Fig. 7.5 pone a confronto la superficie delle categorie forestali dei Boschi alti, a livello nazionale. Quattro categorie forestali presentano un'estensione superiore al milione di ettari; in ordine, queste sono i Querceti di rovere, roverella e farnia, gli Altri boschi caducifogli, le Cerrete, boschi di farnetto, fragno e vallonea e le Faggete, che sono presenti in quasi tutte le regioni italiane, eccetto le Faggete per la Sardegna e le Cerrete, boschi di farnetto, fragno e vallonea per le regioni del nord-est. Altre quattro categorie forestali sono estese per più di mezzo milione di ettari: gli Ostrieti, carpineti, i Castagneti, le Leccete e i Boschi di abete rosso. Quest'ultima categoria caratterizza principalmente le regioni alpine, mentre le altre sono presenti in quasi tutte le regioni. Le statistiche nella Table 7.7 forniscono anche un'indicazione della varietà del paesaggio forestale in Italia: in media, le regioni italiane vedono la presenza di 13 categorie forestali. Solo in una regione (Alto Adige) una categoria (Boschi di abete rosso) rappresenta più del 50% della superficie dei Boschi alti, e solo in tre altre regioni più del 40% della superficie dei Boschi alti è coperta da una sola categoria (Boschi di larice e cembro in Valle d'Aosta, Cerrete, boschi di farnetto, fragno e vallonea in Basilicata e Leccete in Sardegna).

Le statistiche sull'estensione delle superfici delle sottocategorie forestali a livello nazionale e regionale sono disponibili all'indirizzo inventarioforestale.org/statis tiche\_INFC. Esse possono essere di aiuto per distinguere i diversi aspetti legati alla frequenza e all'ecologia della maggior parte delle specie forestali. Nel Chap. 2 è riportata la corrispondenza delle sottocategorie forestali adottate da INFC con i codici delle classificazioni CORINE ed EUNIS.

# **Distribuzione per classi di quota**

La Table 7.11 riporta le statistiche sulla superficie del Bosco per classe di altitudine con ampiezza 500 m. Il Bosco è presente lungo un gradiente molto ampio di altitudine, rispecchiando l'ampia escursione in quota del territorio italiano dovuta alle caratteristiche orografiche. A livello nazionale, il 34.1% della superficie del Bosco si trova nella prima classe di quota, vale a dire fino a 500 m s.l.m., mentre il 37.9% si trova nella successiva fascia di quota fino a 1000 m. La percentuale di superficie forestale decresce progressivamente con l'elevazione delle quote, nelle tre classi di altitudine rimanenti: il 19.5% della superficie si colloca nella classe 1001–1500 m, il 7.5% nella classe 1501–2000 m e infine l'1.1% è sopra i 2000 m di altitudine.

La ripartizione in fasce di quota a livello regionale, comunque, risulta piuttosto variabile. In Fig. 7.6 si possono osservare regioni con una distribuzione piuttosto omogenea per ripartizione del Bosco in classi altitudinali (es. Veneto, Lombardia, Piemonte, Abruzzo) e altre in cui il Bosco si distribuisce lungo poche classi di altitudine (es. Toscana, Sardegna). Naturalmente, a questo concorre l'aliquota della superficie regionale lungo il gradiente altitudinale e a ciò si deve che il 100% della superficie del Bosco in Puglia ricada entro i 1000 m di quota. In alcune regioni alpine, la percentuale di superficie del Bosco fino a 500 m s.l.m. mostra valori molto al di sotto della media nazionale: 0.8% in Valle d'Aosta, 1.8% in Alto Adige e 5.5% in Trentino. Si tratta di regioni montuose con una parte rilevante di superficie del Bosco a quote superiori a 1500 m s.l.m.: 31.9% in Trentino, 54.8% in Alto Adige e 61.7% in Valle d'Aosta. Tra le regioni non alpine, l'Abruzzo è la sola con una percentuale rilevante di superficie del Bosco (12.5%) sopra i 1500 m.

Osservando la distribuzione delle Altre terre boscate per classi di altitudine (Table 7.12 e Fig. 7.7), si può notare che a livello nazionale più della metà della superficie (54.6%) ricade nella prima classe e dunque si colloca sotto i 500 m di quota, con percentuali maggiori, anche in misura consistente, in alcune regioni del centro e del sud Italia: Toscana (72.5%), Sardegna (76.3%) e Puglia (83.1%). Nelle regioni del sud la percentuale di Altre terre boscate sopra i 1500 m di quota è limitata, ad eccezione dell'Abruzzo (13.5%), che è anche l'unica regione non alpina ad avere Altre terre boscate sopra i 2000 m di quota (lo 0.6% della superficie totale). La presenza di Altre terre boscate sopra i 1500 m di quota è dunque una caratteristica delle regioni Alpine, e valori particolarmente elevati si riscontrano in Alto Adige (il 92.5% della superficie totale delle Altre terre boscate) e in Trentino (il 73.0%).

Statistiche ulteriori sulla distribuzione per classi di quota delle categorie inventariali e di quelle forestali dei Boschi alti sono disponibili all'indirizzo inventariofo restale.org/statistiche\_INFC. Tutte le statistiche descritte per le classi di quota con modulo 500 m sono state prodotte, e disponibili all'indirizzo citato, anche per classi di altitudine con modulo 300 m.

# **Proprietà**

La proprietà è stata valutata sulla base di due livelli gerarchici, con il primo relativo al carattere della proprietà, che può essere privato o pubblico, e il secondo al tipo di proprietà, come mostrato nella Table 7.13. Per il primo livello, i casi di comproprietà sono stati trattati di volta in volta in base alla prevalenza di un interesse privato o pubblico.

Le Tables 7.14 e 7.15 riportano la superficie del Bosco e delle Altre terre boscate, rispettivamente, per proprietà pubblica o privata; le Tables 7.16 e 7.17 mostrano le stime delle superfici del Bosco e delle Altre terre boscate ripartite per tipo di proprietà. Statistiche analoghe sono disponibili all'indirizzo inventarioforestale.org/ statistiche\_INFC per le categorie inventariali del Bosco e delle Altre terre boscate, e per le categorie forestali del Bosco.

In Italia, il 63.5% della Superficie forestale totale è di proprietà privata mentre il 32.0% è pubblica; il restante 4.5% della superficie risulta non classificata. Per il Bosco, la prevalenza di proprietà privata è molto accentuata (66.4%), ma la percentuale più contenuta per le Altre terre boscate (50.2%) va valutata alla luce della porzione piuttosto elevata di superficie non classificata per questo attributo. Un quadro sulla distribuzione della proprietà tra pubblico e privato del Bosco e delle Altre terre boscate nelle regioni italiane è mostrato nelle Figs. 7.8 e 7.9, rispettivamente. Nel Bosco, prevale la proprietà privata in quasi tutte le regioni, ma non in Trentino, Abruzzo e Sicilia, e rappresenta più dell'80% in Liguria, Emilia-Romagna, Toscana e Marche.

Per la macrocategoria Bosco, il tipo di proprietà privata più comune è quella individuale (79.0%), che riguarda più del 90% della superficie del Bosco in Liguria, Molise, Campania e Basilicata. La proprietà privata di società, imprese o industrie ha una certa rilevanza per la Toscana (19.8%) e l'Umbria (14.9%), mentre in Trentino e nelle Marche una percentuale apprezzabile di proprietà privata appartiene ad altri enti (14.9% e 16.3%, rispettivamente) (Fig. 7.10). Per quanto concerne la superficie pubblica del Bosco, prevale quella dei comuni e delle province a statuto ordinario (65.4%), seguita da quelle statali, regionali e delle province autonome (23.5%), mentre solo l'8.3% della superficie appartiene ad altri enti pubblici (Fig. 7.11). La ripartizione della proprietà pubblica per tipo varia considerevolmente tra le varie regioni; paragonate alla situazione nazionale, molte regioni dell'Italia centrale e la Sicilia si distinguono per la minore diffusione di proprietà comunale e provinciale rispetto a quella statale, ad eccezione dell'Umbria, dove prevale la proprietà di altri enti pubblici. Alla classe degli altri enti pubblici appartiene una percentuale considerevolmente più alta della media nazionale in Alto Adige e in Trentino.

# **Consistenza e accrescimento dei boschi**

La Table 7.18 riporta le statistiche sul numero di alberi vivi nelle categorie inventariali del Bosco mentre le Tables 7.19 e 7.20 riportano quelle relative alle categorie forestali dei Boschi alti e degli Impianti di arboricoltura da legno. In totale, nel Bosco ci sono quasi 11.5 miliardi di alberi, per un valore medio ad ettaro pari a 1264. Il numero di alberi per ettaro si colloca tra 1000 e 1500 in dodici regioni; in quattro (Umbria, Marche, Lazio e Molise) se ne contano più di 1500 (fino a 1728 in Umbria) mentre nelle restanti cinque (Valle d'Aosta, Alto Adige, Puglia, Basilicata e Sicilia) la densità è più contenuta, con valori compresi tra 578 (Sicilia) e 986 (Basilicata). I valori per categoria forestale dei Boschi alti indicano un contributo predominante dovuto alle formazioni a latifoglie, particolarmente elevato per la categoria degli Ostrieti e carpineti (2160 alberi per ettaro) e delle Leccete (1937 alberi per ettaro). Contribuiscono a densità così elevate il prevalente utilizzo di queste formazioni per la produzione di legna da ardere e il conseguente governo a ceduo. Per confronto, la categoria con la densità più bassa in assoluto è quella delle Sugherete (575 piante per ettaro) in cui basse densità e presenza di alberi di dimensioni adeguate sono caratteristiche ricercate per una conduzione razionale della coltura, per assicurare la massima illuminazione delle chiome e plance di sughero di certe dimensioni e spessore (Gambi, 1989).

Il numero di alberi come indicatore della consistenza delle risorse forestali presenta alcuni limiti derivanti dalle dimensioni molto variabili dei soggetti censiti. Come indice di densità, il numero di alberi è una variabile poco utile nei soprassuoli naturali, che ha trovato maggiore applicazione negli impianti artificiali (Avery & Burkhart, 1983), ma anche nei popolamenti giovani (Bernetti, 1995). Il numero di alberi è un'indicazione necessaria ma non sufficiente a descrivere adeguatamente lo stato dei soprassuoli (Burkhart & Tomé, 2012), che deve essere accompagnato da informazioni aggiuntive, per esempio sulle dimensioni degli alberi, la distanza relativa o la struttura del soprassuolo (Avery, 1967).

La Table 7.21 riporta i valori di area basimetrica per le categorie inventariali del Bosco; la Table 7.22 ne riporta i valori per le categorie forestali dei Boschi alti, mentre la Table 7.23 quelli per le categorie forestali degli Impianti di arboricoltura. L'area basimetrica è un indicatore più adatto a descrivere la consistenza dei soprassuoli perché altamente correlato al volume; inoltre, ha il vantaggio di essere calcolato da valori direttamente misurati con semplicità e accuratezza del diametro a 1.30 m da terra (es. Bueno-López & Bevilacqua, 2013; Di Cosmo & Gasparini, 2020). A livello di categorie forestali, i boschi di conifere mostrano le densità più elevate. Tra le categorie a conifere solo le Pinete di pini mediterranei mostrano un valore (18.7 m2 per ettaro) inferiore alla media nazionale, pari a 22.1 m2 per ettaro, mentre tutte le altre hanno valori superiori compresi tra 25.5 m2 per ettaro (Boschi di larice e cembro) e 43.0 m<sup>2</sup> per ettaro (Boschi di abete bianco). Tra le categorie forestali caratterizzate da specie di latifoglie, solo le Faggete (31.7 m2 per ettaro) e i Castagneti (28.0 m2 per ettaro) mostrano valori superiori al dato medio nazionale e paragonabili a quelli delle categorie a conifere. La categoria degli Ostrieti e carpineti e quella delle Leccete mostrano, a fronte dei valori massimi commentati per il numero di alberi ad ettaro, valori di area basimetrica contenuti (rispettivamente 18.2 e 18.6 m2 per ettaro), a conferma del fatto che sono ricche di alberi di piccole dimensioni. Per quanto riguarda i valori totali di area basimetrica, quelli più elevati sono stati stimati per le Faggete (33,336,591 m2), i Boschi di abete rosso (22,314,318 m2) e i Castagneti (21,802,076 m2), categorie che associano ad elevati valori di densità anche un'elevata superficie forestale.

Nella Table 7.24 sono mostrati i valori del volume per le categorie inventariali del Bosco. Nelle Tables 7.25 e 7.26 sono riportati i valori della variabile per le categorie forestali rispettivamente dei Boschi alti e degli Impianti di arboricoltura da legno. Il volume stimato per tutti i Boschi italiani supera di poco 1.5 miliardi di metri cubi, per un valore medio per ettaro pari a 165.4 m3 (Fig. 7.12). Questi corrispondono ad un valore della fitomassa arborea epigea di poco superiorea1miliardo di tonnellate (Mg), 114.9 Mg per ettaro in media, come riportato nella Table 7.27. Le regioni che maggiormente contribuiscono alla massa complessiva dei Boschi italiani, sia in termini di volume sia di fitomassa, sono la Toscana (10.4% del volume totale e 11.1% della fitomassa arborea epigea), il Piemonte (9.8% del volume e 9.6% della fitomassa) e la Lombardia (8.7% del volume e 7.9% della fitomassa). I valori minimi regionali sono stati stimati per la Valle d'Aosta, il Molise e la Puglia, con percentuali del volume totale compresi tra l'1.0 e l'1.3% e valori della fitomassa tra l'1.1 e l'1.5%. Le Tables 7.28 e 7.29 riportano le stime della fitomassa arborea epigea per le categorie forestali dei Boschi alti e degli Impianti di arboricoltura da legno. Se si considera il contributo delle categorie forestali dei Boschi alti, si conferma il ruolo preponderante delle Faggete (19.6% del volume totale e 21.5% della fitomassa arborea epigea totale), dei Boschi di abete rosso (16.4% del volume e 12.3% della fitomassa) e, in misura minore rispetto a quanto dedotto dai valori di area basimetrica, dei Castagneti che rimangono al terzo posto per il contributo in volume (10.0% del totale) ma sono superati per la massa arborea epigea dalla categoria delle Cerrete, boschi di farnetto, fragno e vallonea (cui spetta il 10.1% del valore totale), evidentemente per le diverse caratteristiche di densità basale del legno. Le Figs. 7.13 e 7.14 mostrano i valori totali e per ettaro rispettivamente del volume del fusto e della fitomassa arborea epigea per le categorie forestali dei Boschi alti. Il divario molto evidente tra i valori totali e quelli riferiti all'ettaro che è possibile cogliere nei grafici fornisce un'indicazione indiretta dell'estensione delle superfici delle varie categorie forestali sul territorio nazionale.

Il rapporto a livello di categoria forestale tra il volume del fusto, comprendente fusto, rami grossi e cimale fino alla sezione di 5 cm, e la fitomassa arborea epigea, che include, oltre alle componenti citate, anche ceppaia, ramaglia e cimale intero, è già stato utilizzato in ambito INFC2005 per calcolare il Biomass Conversion and Expansion Factor (BCEF) (Di Cosmo & Tabacchi, 2011). Tale rapporto è utile a stimare in termini di peso secco la massa legnosa e il relativo contenuto di carbonio quando si disponga solamente di stime del volume. Piccole variazioni dei coefficienti a seguito delle ripetizioni delle indagini inventariali possono essere attese in virtù della differenza del campione degli alberi, ad esempio perché quel rapporto varia in proporzione diversa a seconda della dimensione degli alberi per ciascuna specie, per la diversa percentuale delle specie presenti in una categoria forestale oppure per la diversa percentuale di alberi troncati, per i quali la stima della densità è ottenuta con una procedura convenzionale e non mediante le funzioni di stima disponibili (cfr. Chap. 6). Pertanto, non si è ritenuto necessario presentare in questo volume i BCEF che è possibile calcolare sulla base delle statistiche di INFC2015. Risulta però opportuno evidenziare che per le Pinete di pini mediterranei il valore di BCEF ottenuto con i dati attuali si discosta in maniera apprezzabile a seguito all'adozione delle nuove funzioni per la stima del volume e della fitomassa del pino d'Aleppo, non disponibili nel 2005.

Le stime sull'incremento annuo di volume sono riportate nella Table 7.30 per le categorie inventariali del Bosco, nella Table 7.31 per le categorie forestali dei Boschi alti e nella Table 7.32 per quelle degli Impianti di arboricoltura da legno. L'incremento annuo di volume del Bosco in Italia ammonta a quasi 37.8 milioni di metri cubi, 4.2 metri cubi in media per ettaro. Nell'ambito dei Boschi alti (Fig. 7.15), il maggior contributo all'incremento annuo totale si deve alle Faggete (15.5%), seguite dai Boschi di abete rosso (12.8%) e dagli Altri boschi di latifoglie (12.4%). Per i totali a livello nazionale, si osserva un contributo rilevante delle categorie forestali a latifoglie, con valori in linea generale maggiori di quelle a conifere, anche se è tra le latifoglie che si trovano le categorie con valori minimi (Sugherete e Altri boschi di latifoglie sempreverdi, entrambe con lo 0.6% dell'incremento in volume totale). Passando invece alla produttività dei soprassuoli, i valori per ettaro più elevati si riscontrano in quattro categorie a conifere (Boschi di abete bianco, Boschi di abete rosso, Pinete di pino nero e Altri boschi di conifere), varabili tra 6.1 e 9.1 m3 per anno. Tra le categorie a latifoglie, le Faggete contribuiscono con 5.5 m<sup>3</sup> annui per ettaro, i Castagneti con un valore molto simile, pari a 5.4 m3.

# **Struttura e sviluppo**

La struttura e lo sviluppo dei soprassuoli sono descritti mediante una serie di variabili relative al grado di copertura, alla struttura verticale, al tipo colturale e alle pratiche colturali adottate, allo stadio di sviluppo e all'età.

La valutazione della copertura delle chiome separatamente per gli alberi e gli arbusti, su ortofoto e in campo, ha consentito di assegnare ogni plot ad una delle sei seguenti classi di copertura del suolo: minore di 5, 5–10, 11–20, 21–50, 51–80, oltre 80%, secondo cui sono fornite le statistiche di INFC2015. Il tipo colturale, come definito dalla combinazione della forma di governo con quella di trattamento, è stato classificato mediante le classi descritte nella Table 7.33. Nel caso di cedui coetanei, fustaie coetanee e fustaie transitorie, la struttura verticale è stata classificata distinguendo la copertura monoplana da quella biplana. Per quanto riguarda lo stadio di sviluppo, la classificazione si è avvalsa delle descrizioni riportate nella Table 7.34; per i soprassuoli coetanei, inoltre, sì è proceduto alla classificazione per classi di età: fino a 10 anni, 11–20, 21–30, 31–40, 41–80, 81–120, oltre 120 anni. Tipo colturale e stadio di sviluppo non sono stati valutati negli Impianti di arboricoltura da legno, per i quali si è valutata invece la classe di età. Le informazioni relative a questi attributi hanno consentito di produrre statistiche di superficie e stime delle variabili quantitative relative al volume, alla massa e all'incremento dei soprassuoli per tipo colturale, stadio di sviluppo e classe di età.

Tables 7.35 e 7.36 riportano le statistiche sulla superficie del Bosco ripartita, rispettivamente, per classi di copertura totale e di copertura arborea. Statistiche analoghe per le categorie inventariali dei Boschi alti e degli Impianti di arboricoltura da legno, nonché per le categorie forestali dei Boschi alti a livello nazionale, sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC. La Fig. 7.16 mostra la superficie del Bosco ripartita per classi di copertura totale a livello regionale. L'aliquota maggiore per il Bosco italiano (74.4%) compete alla classe di copertura totale maggiore dell'80%, mentre la classe di copertura totale 51–80% occupa il 18.0%. Classi di copertura meno densa sono più frequenti in Sicilia, Sardegna e Alto Adige. La prevalenza di superfici a copertura totale densa o molto densa delle chiome è confermata anche dall'osservazione della copertura delle sole chiome arboree: la percentuale della superficie del Bosco con copertura arborea nelle ultime due classi è, rispettivamente, il 21.8 e il 62.7%. Tra le categorie forestali, una maggiore copertura delle chiome arboree si osserva nei Boschi di abete bianco, nelle Faggete, nei Castagneti e negli Ostrieti e carpineti; le Sugherete, gli Altri boschi di latifoglie sempreverdi e i Boschi di larice e cembro sono le categorie che si caratterizzano maggiormente per la più limitata copertura delle chiome degli alberi (Fig. 7.17 e tabelle in inventarioforestale.org/statistiche\_INFC).

Le osservazioni che seguono sul tipo colturale e lo stadio di sviluppo del Bosco italiano si riferiscono principalmente ai Boschi alti, la categoria inventariale largamente predominante per estensione di superficie. Inoltre, la maggior parte degli attributi di questa sezione non sono oggetto di valutazione per gli Impianti di arboricoltura da legno. La Table 7.37 mostra le statistiche di superficie dei Boschi alti per tipo colturale. La Fig. 7.18 riporta la distribuzione della superficie dei Boschi alti per gruppi di tipi colturali a livello regionale. A livello nazionale, cedui e fustaie occupano approssimativamente la stessa superficie. Tuttavia, la percentuale di superficie occupata dalle due forme di governo varia sensibilmente nelle regioni. I tipi colturali del ceduo coprono più del 50% della superficie dei Boschi alti in nove regioni, (Lombardia, Liguria, Emilia-Romagna, Toscana, Umbria, Marche, Lazio, Molise e Puglia); le fustaie prevalgono nelle regioni alpine (Valle d'Aosta, Piemonte, Alto Adige, Trentino, Friuli-Venezia Giulia e Veneto) e in due regioni del sud: Calabria e Sicilia. La classe del tipo colturale non definito, che denota assenza di selvicoltura o solo attività sporadiche e occasionali, rappresenta un'aliquota importante della superficie dei Boschi alti in quasi tutte le regioni. Il tipo colturale più diffuso (29.2% della superficie dei Boschi alti) è il ceduo matricinato, seguito dalle fustaie disetanee (16.1%), dalle fustaie coetanee (15.1%) e dal tipo colturale non definito (13.9%) (Fig. 7.19).

Le Tables 7.38 e 7.39 riportano le stime della superficie dei Boschi alti per stadio di sviluppo e per struttura verticale, rispettivamente. Inoltre, la Table 7.40 mostra le stime della superficie dei Boschi alti coetanei per classe di età. Statistiche analoghe per le categorie forestali sono disponibili su inventarioforestale. org/statistiche\_INFC. Le Figs. 7.20, 7.21 e 7.22 mostrano la ripartizione per stadio di sviluppo della superficie dei cedui, delle fustaie coetanee e del tipo colturale speciale o non definito. Nel ceduo, gli stadi giovanile e in rinnovazione rappresentano insieme il 10.6% della superficie totale; nelle fustaie coetanee, le classi della fustaia in rinnovazione, novelleto e spessina occupano insieme il 3.0% della superficie totale. Sebbene una differenza tra queste due percentuali fosse attesa, in relazione alla diversa durata degli stadi di sviluppo nei cedui e nelle fustaie, le classi giovanili rappresentano una percentuale bassa in entrambi i casi. Lo stadio maturo e invecchiato occupa il 34.3% della superficie delle fustaie coetanee o transitorie, lo stadio invecchiato il 32.6% della superficie dei cedui coetanei. La ripartizione per stadio di sviluppo del tipo colturale speciale o non definito, che comprende i soprassuoli specializzati per la produzione di prodotti secondari e quelli ad evoluzione naturale, come le nuove formazioni su terreni abbandonati, mostra una percentuale più alta di superficie di popolamenti giovani rispetto a quelli invecchiati, in linea con le aspettative.

Una struttura monoplana è stata stimata per il 76.8% della superficie dei Boschi alti; una struttura di tipo biplano si è osservata nel restante 23.2% della superficie, pari a 1,557,010 ha. Fustaie disetanee, irregolari o articolate e cedui disetanei, che sono caratterizzati dalla presenza di diversi tipi strutturali su superfici limitate, nel complesso occupano 2,219,995 ha (vedi Table 7.38).

Le stime dei totali e delle densità del volume, della fitomassa arborea epigea e dell'incremento annuo di volume per tipo colturale sono riportate nelle Tables 7.41, 7.42 e 7.43, rispettivamente. Nelle tabelle citate, gli Impianti di arboricoltura da legno sono stati inclusi nella classe del tipo colturale non classificato. Statistiche analoghe per le categorie forestali, a livello nazionale, sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC. Le Figs. 7.23 e 7.24 mostrano i valori di volume e incremento annuo per i cedui, le fustaie, i tipi colturali speciali e non definiti, a livello nazionale. Nelle fustaie risiede circa il doppio del volume legnoso che si trova nei cedui, sia per il valore totale sia per quello ad ettaro: il volume totale ammonta a 905.4 e 466.0 milioni di m3, rispettivamente, per le fustaie e per i cedui; il dato per ettaro ammonta a 241.0 e 123.0 m3, rispettivamente. Per quanto riguarda l'incremento annuo, esso è molto più sostenuto nelle fustaie, sia nei valori totali sia per ettaro, che ammontano rispettivamente a 18.9 milioni di m<sup>3</sup> (5.0 m3 per ettaro) nelle fustaie e 14.3 milioni di m<sup>3</sup> (3.8 m3 per ettaro) nei cedui.

Le Tables 7.44, 7.45 e 7.46 mostrano le statistiche sui valori totali del volume legnoso, la biomassa arborea epigea e l'incremento annuo di volume dei Boschi alti per classi di età. Analoghe statistiche per le categorie forestali sono disponibili su inventarioforestale.org/statistiche\_INFC, per il livello nazionale. Le Figs. 7.25, 7.26 e 7.27, infine, mostrano il volume legnoso totale, l'incremento annuo di volume e l'incremento percentuale annuo di volume per classe di età nei cedui coetanei e nelle fustaie coetanee.

# **La rinnovazione e gli arbusti**

La consistenza della vegetazione legnosa del sottobosco è stata stimata mediante il conteggio degli individui di specie arboree (genericamente indicati come rinnovazione) e arbustive sotto la soglia di cavallettamento e più alti di 50 cm. Il conteggio è stato condotto separatamente per tre classi dimensionali, definite da soglie di altezza o diametro (cfr. Chap. 4). Per le specie legnose, le statistiche sono relative ai valori totali e per ettaro del numero di individui, biomassa epigea e contenuto di carbonio, per ognuna delle tre classi dimensionali e totale. In maniera analoga, per gli arbusti sono state prodotte statistiche per la biomassa epigea e per il carbonio organico, per classe dimensionale. Infine, i dati della rinnovazione e degli arbusti sono stati trattati congiuntamente per ottenere la stima della biomassa e del carbonio organico della vegetazione legnosa del sottobosco nel suo complesso (cfr. Chap. 12).

Le Tables 7.47, 7.48 e 7.49 riportano le stime dei valori totali e per ettaro del numero di soggetti della rinnovazione per le categorie inventariali e forestali. Statistiche analoghe per classe dimensionale e quelle per gli arbusti sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC, dove sono disponibili anche le statistiche sulla biomassa della vegetazione legnosa del sottobosco e il loro contenuto di carbonio organico.

La Fig. 7.28 mostra il numero totale di soggetti della rinnovazione per ettaro nelle regioni italiane. I valori per ettaro variano da 1506 in Valle d'Aosta a 9539 in Molise. Alle differenze concorre la distribuzione delle categorie forestali tra le regioni. I boschi di latifoglie si caratterizzano generalmente per un numero più elevato di alberi di piccole dimensioni rispetto alle categorie dei boschi di conifere. Tra i boschi di conifere, le pinete mostrano i valori più elevati, simili a quelli riscontrati nelle Faggete e nei Boschi igrofili, categorie a latifoglie con numero di soggetti limitato, ma più alti che nelle Sugherete e negli Altri boschi di latifoglie sempreverdi.

# **References**


Provero, L. (2020). *Contadini e potere nel medioevo* (pp. 39–51). Carrocci.


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 8 Forest Management and Productive Function**

# **Produzione e gestione selvicolturale**

# **Lucio Di Cosmo and Patrizia Gasparini**

**Abstract** Forestry originated as a science under the need to manage forests for timber production in a sustainable way. Since then, sustainability has been broadened to include a variety of values and services recognised as important for human well-being, while at maintaining a relevant productive function. Hence, silviculture exists as a need of humankind and not as a need of forests for their continued existence. Sustainability is obtained by adopting correct silvicultural practices and adjusting the planning in view of the most suitable management able to ensure the goals, for example, carbon balance under climate warming scenarios. National forest inventories provide reliable information that is needed for effective forest policies. This chapter shows area estimates on some variables important for production, such as forest accessibility, presence of roads or tracks, terrain roughness and availability for wood supply (Sect. 8.2). Silviculture practices are actualised by forest utilisation modes, which are also related to timber logging modes. Section 8.3 shows the statistics on these variables as well as those on the growing stock and the biomass annually removed from the forest. Section 8.4 shows the estimates on presence of forest planning or regulations that influence productive aspects of forests. The type of planning may vary consistently due to overlapping authorities protecting forests in Italy, so the presence of planning at different levels was emphasised.

**Keywords** Sustainability · Forest management · Cutting · Exploitation · Skidding road · Terrain roughness · Timber logging

L. Di Cosmo (B) · P. Gasparini

P. Gasparini e-mail: patrizia.gasparini@crea.gov.it

© The Author(s) 2022

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: lucio.dicosmo@crea.gov.it

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_8

# **8.1 Introduction**

Managing forest is needed to utilise timber as a sustainable resource (Dorren et al., 2004), although since the 1980s, sustainability has been widened to include a variety of values and services over a large scale (O'Hara, 2016). It was in response to the threat to sustainability due to the poor conditions of Europe's remaining forests at the end of the eighteenth century that forestry originated as a science; this was the first science to explicitly acknowledge the need to safeguard finite natural resources for future generations (Perry, 1998). Hence, silviculture is a need of humankind that aims to obtain usefulness from forests, and not a need of forests for their continued existence (Piussi, 1994). Silviculture has also been described as the need to find a balance between the use of forests and their assessed capacity to provide goods and benefits, considering our undeniable need for human well-being (De Philippis, 1983). Sustainability is obtained by adopting correct silvicultural practices within appropriate forest management plans, effective at different territorial levels and compiled in compliance with the regulatory constrains in force in the different territories.

From this point of view, national forest inventories may offer an important contribution to adjust planning criteria on a national and regional scale to reach the desired level of sustainable forest management to ensure carbon balance under climate warming scenarios, because well-established decision makings should be based on reliable information (Bosela et al., 2016). The operational level of forest planning is known as detailed planning or management planning and its aim is to guarantee that forests can provide goods and benefits continuously without deteriorating (Bernetti, 1989).

Productive aspects of forests depend on many variables, some of which are described in this chapter. They are related to the possibility to access a forest, considering possible physical impediments due for example to the orography or forbidden access on legal grounds. Time and effort to reach a forest should be also reasonably limited and this is achievable only in the presence of an adequate road network (Hippoliti, 1990). INFC2015 assessed the presence of roads in terms of horizontal distance and the difference in altitude between the closest roads or tracks and the sample points. Another important characteristic conditioning the availability of forest areas for wood supply is the micromorphology of the terrain due to the presence of obstacles (boulders, rock, ditches, ravines) that might make it difficult or impossible to use tractors and harvesters. The variables cited may also interact, leading to specific features site by site. However, with equal site conditions, productive importance may be consistently different based on the value of the stand, for example, due to the species composition or timber quality. For this reason, INFC field teams are additionally requested to explicitly assess availability for wood supply based on their expert judgment.

The silvicultural practices in use are strictly related to the utilisation system, as silviculture is actualised by utilisations (Hippoliti, 2005). Section 8.3 shows the silvicultural practices adopted, the utilisation systems and the logging modes observed, i.e., the way and the tools used to cut trees and remove the wood or timber from forests.

The overlapping of state and regional authorities on forests and that of institutions entrusted with protection of the different goods and services provided by forests has brought about complexity in planning. INFC surveys the presence of plans at the various levels where they may be present and also considers the presence of laws that affect availability for wood supply. For each sample plot, all the plans and regulations are recorded. As those plans and regulations are not mutually exclusive and may be present on the same area, the sum of the areas with the presence of different planning and regulations does not equal the total area of Forest or Other wooded land.

# **8.2 Accessibility and Availability for Wood Supply**

The extent to which forests are reachable is assessed by variables that describe the possibility to access the NFI sample points (degree of accessibility) and the ease of reaching them in relation to the horizontal distance and to the difference in altitude between the sample point and the closest road or forest track. Once in the forest, silviculture operations may be difficult in relation to ground roughness, which may also prevent the use of forestry machines (Hippoliti, 2004).

The degree of accessibility is recorded by designating the sample points as 'accessible' or 'not accessible'. Table 8.1 shows the classes for not accessible conditions, that are due to physical orographic impediments impossible to overcome or discouraging due to health or safety hazards, very intricate vegetation or forbidden access on


**Table 8.1** Causes of inaccessibility / Classi relative ai motivi di non accessibilità del punto inventariale

legal grounds or explicit private owner decision (e.g., enclosure). Table 8.2 shows the estimates for the accessible and not accessible area of Forest and of Other wooded land. At inventarioforestale.org/statistiche\_INFC, similar statistics are given for the inventory categories of Forest and Other wooded land and for the forest types of the Tall trees forest. The Italian Forest is marked by a high percentage of accessible area (90.3%) and this is also true at the regional level (Fig. 8.1), where the percentage always exceeds 80% with a rather limited variability among the regions. The same considerations can be taken for the forest types in the Tall trees forest; the lowest percentage was found in the Hygrophilous forests (78.6%).

Horizontal distance and difference in altitude between the closest road or track and the NFI sample point were assessed on maps, orthophotographs and other thematic layers (also available from WebGIS) before the field trip. This information was verified and complemented by the crew once it was in the NFI plot. This way to assess the presence of roads was introduced with INFC2015 to avoid some problems experienced in the past that caused absence of data on a large portion of the wooded territory. The previous protocol was too demanding, also considering the time needed to record the stated number of GPS positions in those years (Di Cosmo et al., 2011).

The change was substantial, since all sample plots reached in INFC2015 hold data, but as the current estimates also use information from the past NFI (cf. Chap. 5), general information is still lacking for a relevant number of plots used to derive the inventory statistics. For this reason, the comments on presence of roads should be better evaluated keeping in mind that 30.6% of Forest area is not classified for this variable.

Table 8.3 shows the estimates of Forest area by horizontal distance class (0–500, 501–1000, 1001–2000, >2000 m) to the nearest road or forest track. At inventariofo restale.org/statistiche\_INFC, similar estimates are available about the Other wooded land, the inventory categories of Forest and the forest types of the Tall trees forest. A total of 47.9% of the Forest area is served by roads within a radius of 500 m. The first distance class is also the most frequent at the regional level, with values spreading from 34.3% of Basilicata and 38.9% of Valle d'Aosta to 57.1% of Alto Adige (Fig. 8.2).

The Forest area of the first two classes, i.e., distance within 1000 m, reaches 63.4% at the national level but the relative rank of the regions varies. For example, the Forest area percentage of Valle d'Aosta (61.2%) is similar to that of other regions, while Basilicata remains the region with the lowest percentage of Forest area served (45.6%); Alto Adige is still the region with the highest portion of served Forest area (74.7%), but other regions are marked by very close percentages (always over 70% in Veneto, Molise and Sardegna).

Table 8.4 shows the estimates of Forest area by difference in altitude class (0–100, 101–400, >400 m, positive when walking uphill from the road to the sample point and negative when walking downhill). At inventarioforestale.org/statistiche\_INFC similar inventory statistics are available about the Other wooded land, the inventory categories of Forest and the forest types of the Tall trees forest. A total of 58.3% of the Forest area is served by roads at an altitude difference of less than 100 m. At a regional level, the Forest area with a road within 100 m of altitude difference is


8 Forest Management and Productive Function 331

**Fig. 8.1** Forest area percentage by accessibility / Ripartizione percentuale della superficie del Bosco per grado di accessibilità

at least 50% (Fig. 8.3) except Valle d'Aosta (42.1%) and Basilicata (44.2%), two regions already designated as having a low percentage of Forest area in the first distance class.

For the Tall trees forest types, the first class, i.e., 0 +/−100 m, remains the most frequent, but in the Larch and Swiss stone pine type the percentage is only 35.0% compared to 25.8% in the second class (101–400 m). Beech is the only other type where the area in the first class does not reach 50% of the total area (42.8%), since in all the other types more than 50% of the area is within a 100 m difference level. Cork oak is the forest type easiest to reach in terms of difference level, as more than 80% of its area is in the first class.

Ground roughness was classified distinguishing the three large classes in Table 8.5. Tables 8.6 and 8.7 show the area of Forest and of Other wooded land by roughness class. At inventarioforestale.org/statistiche\_INFC similar estimates are available for the inventory categories of Forest and for the forest types of the Tall trees forest. A total of 62.6% of the Forest area is on smooth terrain. In the regions, at least 50% of forests grow in similar ground conditions except Valle d'Aosta, whose Forest percent area in the first class is 30.0% and 44.1% of Forest area is on rough terrain. The inventory statistics on the Other wooded land are less interesting, because the percentage of area not classified is relevant. In the regions, Other wooded land area


 di


#### 8 Forest Management and Productive Function 333

**Fig. 8.2** Forest area percentage by horizontal distance between sampling point and closest road / Ripartizione percentuale della superficie del Bosco per classe di distanza orizzontale rispetto alla viabilità

is mainly in the first class but in three regions (Valle d'Aosta, Trentino and Lazio), the most frequent class is the third (ground very rough). At forest type level, only four types (Larch and Swiss stone pine, Hornbeam and Hophornbeam, Holm oak and Other evergreen broadleaved forest) have less than 50% of their forest area in the first class (Fig. 8.4), as this class is generally the most frequent.

Availability for wood supply is based on a synthetic evaluation of any significant limitations on forestry activities due to regulations or to physical features implying high costs for logging (Table 8.8). Regulatory restrictions include those deriving from protection of values, whether naturalistic (such as for integral reserves within parks), historic, cultural or of other types. Economical limitations may result from site features that make access to the area difficult (also due to lack of roads and tracks), steep slopes, ground roughness and economic constraints linked to the value of the forest products in relation to the market and local habits. Table 8.9 shows the area of Forest and of Other wooded land by availability for wood supply. Similar estimates about the inventory categories of Forest and of Other wooded land, as well as the forest types of the Tall trees forest are available at inventarioforestale.org/sta tistiche\_INFC. At the national level, 88.5% of the Forest area is available for wood supply and the percentage is generally over 80% in the regions; exceptions are Valle d'Aosta (63.1%), Trentino (74.6%) and Friuli-Venezia Giulia (61.2%) (Fig. 8.5).




**Table 8.4** (continued)

**Fig. 8.3** Forest area percentage by difference in altitude between sampling point and closest road / Ripartizione percentuale della superficie del Bosco per classe di dislivello rispetto alla viabilità

The percentage of available area also exceeds 80% in the forest types, but it is 63.9% in the Larch and Swiss stone pine forest and just below 80% (79.1%) in the Scots pine and Mountain pine forest and in the Black pines forest (Fig. 8.6).

Data collected allows to estimate the areas not available for wood supply by cause of unavailability, as shown in Fig. 8.7. Unavailability is due to economic constraints in 67.8% of cases, to nature or territory protection in 27.3% of cases and to historic and cultural protection in a small percentage of cases (3.0%).

# **8.3 Silviculture and Forest Utilisations**

The silvicultural practices were classified considering type and intensity of the applied interventions as shown in Table 8.10. Table 8.11 shows the area of Forest by silvicultural practice and Table 8.12 shows similar inventory statistics for the Tall trees forest and the Plantations. At the national level, 62.1% of the Forest area is involved in some types of silvicultural practices while 37.4% is not. Figure 8.8 shows that those percentages are variable among the regions.


**Table 8.5** Terrain roughness classes / Classi per l'accidentalità del terreno

Absence of practices, which mainly concern stands growing on awkward terrains or areas where utilisation is not cost effective, marks regional Forest areas from 12.0% (Alto Adige) to 72.0% (Sicilia). At the regional level, the absence of practices over a percentage of Forest area exceeding 50% was also observed in Valle d'Aosta, Liguria and Abruzzo, but other regions showed values only slightly lower than 50% (Piemonte, Friuli-Venezia Giulia, Puglia, Basilicata and Calabria). The practices more frequently applied in any region were ordinarily minimal, except Alto Adige and Trentino, where the ordinary classic denotes more than 50% of the Forest area. Hence, interventions are typically limited to harvesting wood or timber when mature or at the end of rotation.

The classic ordinary silvicultural practices, which include not only logging when the production cycle ends, but also actions aimed at improving the stands, involve 14.6% of Forest area at the national level. In the regions, only Alto Adige (53.1%), Trentino (55.6%), Veneto (30.8%), Toscana (18%) and Basilicata (19.7%) exceed that percentage. Intensive and special practices are infrequently applied and involve a limited percentage of Forest area. Ordinary intensive practices involve at least 3% of Forest area only in Piemonte (3.3%), Lombardia (4.0%) and Sardegna (4.1%) and in the last two regions they are due exclusively to presence of Plantations. Special practices for secondary products in Campania involve 4.7% of Forest area and in Sardegna 16.0%. The inventory statistics on Forest area by secondary products, shown in Table 8.13, allow for the evaluation that the special practices in Campania are related to chestnut production, while in Sardegna they are mainly due to cork production and to a lesser extent to forage and chestnut.


**Table 8.6**Forest area by ground roughness / Estensione del Bosco ripartito per classi di accidentalità del terreno


**Fig. 8.4** Tall trees forest types percent of area by ground roughness / Ripartizione percentuale della superficie delle categorie forestali dei Boschi alti per accidentalità del terreno

Utilisation modes were surveyed in the case of ordinary practices. The utilisation modes are categorised based on the class system in Table 8.14. The estimates obtained are in Table 8.15 for Forest, and Table 8.16 for the inventory categories of Forest. Clearcutting with reserves for high forests, and with standards for coppice are the modes more frequently used at the national level (27.3%). This is also generally the case at the regional level (Fig. 8.9), with exceptions especially for the Alpine regions.

A survey of timber logging modes was made only for forests managed by ordinary silvicultural practices. Timber logging modes fell into the classes described in Table 8.17. Table 8.18 shows the estimates on Forest area by logging mode, while Table 8.19 shows those for the inventory categories of Forest. For Italy in general, wood/timber is extracted mainly by direct loading at the felling site (29.3%), but among the regions this mode prevails only in the southern-central regions (Islands included) except Calabria, where 32.4% of Forest area uses the skidding mode. In the Alpine regions, skidding is the predominant mode, except Valle d'Aosta, where logs are channelled downhill in 25.5% of the Forest area. Cable systems are used only in the North (down to Emilia-Romagna, but only in 1.0% of its Forest area), and helicopters are used only in Valle d'Aosta (1.4% of Forest area) and Alto Adige (0.8%) (Fig. 8.10).

Table 8.20 shows the inventory statistics on the growing stock annually removed through utilisations. During the twelve months before the inventory survey, growing stock was felled for an overall volume of almost 9.6 Mm3, corresponding to 1.1 m3 per hectare. The regions that report the highest absolute volumes harvested were


**Table 8.8** Causes of unavailability for wood supply / Classi relative ai motivi di indisponibilità al prelievo legnoso

Veneto, Piemonte, Trentino and Emilia-Romagna (all over 800,000 m3) (Fig. 8.11). In terms of intensity, Veneto and Trentino are the only two regions that harvest more than 2 m3 ha−<sup>1</sup> (3.2 m3 ha−<sup>1</sup> and 2.9 m3 ha-1, respectively). Logging is very low in Molise (1923 m3) and Puglia (2235 m3). In terms of biomass, 6.3 MMg are annually removed from Forest, 0.7 Mg ha-1 on average, as shown in Table 8.21 and in Fig. 8.12.

# **8.4 Planning**

Forest planning has been regulated at national level since Royal Decree No. 3267/23 was enforced, which dictated rules for forest utilisation in conformity with economic plans and Overall and Forest Police Regulations (PMPF) aiming principally at maintaining the hydro-geological equilibrium in mountain territories. Following a transfer to the regions of competence over forests (Presidential Decree No. 616/1977), the regulation of forest planning was shifted to these administrative agencies, except for the guideline and coordination functions, which remained under state rule. As a result,



#### 8 Forest Management and Productive Function 343


**Table 8.9** (continued)

**Fig. 8.5** Forest area percentage by availability for wood supply / Percentuale della superficie del Bosco per disponibilità al prelievo legnoso

current planning varies considerably in terms of both organisation and diffusion, according to the territorial district.

INFC records planning at three levels, as shown in Table 8.22. The PMPF are prescriptive rules for silvicultural activities and forest management in the administrative provinces and consequently can delineate the contours of forest planning. The presence of PMPF is recorded at the broadest level of planning. At the intermediate level, guideline planning typically relates to wider areas than single company properties, e.g., mountainous areas and natural parks even when land use is not forest.

Forest planning in its classic meaning refers to detailed management plans for forests falling under a single ownership, and this is the most detailed level recorded by INFC. In planning forms at different levels, more than one mode is recorded. Table 8.23 shows the inventory statistics on presence of planning for Forest and for Other wooded land; Table 8.24 shows those for Tall trees forest and Plantations, and Table 8.25 shows those for the inventory categories of Other wooded land. Table 8.26 shows the area of Forest and of Other wooded land with detailed plans, and the two that follow (Tables 8.27 and 8.28) show analogue statistics for the inventory categories of Forest and of Other wooded land. The estimates for Forest and Other wooded land by PMPF and those for the forest types of Forest and of Other wooded land by PMPF are available at inventarioforestale.org/statistiche\_INFC. Estimates are also available for Forest and Other wooded land and their inventory categories, by

**Fig. 8.6** Tall trees forest types percent of area by availability for wood supply / Percentuale della superficie delle categorie forestali dei Boschi alti, per disponibilità al prelievo legnoso

Social or cultural relevance / Interesse socio-culturale Unknown / Non noto

**Fig. 8.7** Causes of unavailability for wood supply in Forest / Motivo di indisponibilità al prelievo legnoso nel Bosco


**Table 8.10** Silvicultural practices applied to forest stands / Pratiche colturali applicate ai soprassuoli


**Table 8.10** (continued)

guideline planning. Finally, for the Tall trees forest types the estimates by presence of planning, PMPF, guideline planning and detailed plans are available.

In Italy, 92.2% of Forest area is regulated by at least one of the three planning levels considered; the percentage is 50.7% for Other wooded land, although this comparison should be evaluated considering that the not-classified area for Other wooded land is rather high (23.0%). Planning marks a consistent percentage of Forest area at the


**8.11** Forest area by management method / Estensione del Bosco ripartito per pratiche colturali

**Table** 


**Table 8.11**


8 Forest Management and Productive Function 351


**Table 8.12**

**Fig. 8.8** Forest area percentage by management method / Ripartizione percentuale della superficie del Bosco per pratiche colturali

regional level also, as it generally exceeds 80%. Figure 8.13 shows the percentage of Forest area with planning at the three levels considered by INFC.

The role of PMPF is relevant in all regions as Forest area falls under their regulation; there is also little variability among the regions, compared to the two other levels of planning. In Trentino, Forest area under PMPF is apparently low because PMPF is actually replaced by analogue regulations (Trentino is an autonomous administration) and/or by the forest management plans, which have precedence over general regulations. Guideline planning only occurs in 2.3% of the Forest area and that percentage is exceeded in only seven regions: Valle d'Aosta, Lombardia, Veneto, Emilia-Romagna, Marche, Lazio and Sicilia. Detailed planning only occurs on 15.5% of the Italian Forest area. Only eight regions exceed that percentage (Valle d'Aosta, Lombardia, Alto Adige, Trentino, Veneto, Friuli-Venezia Giulia, Molise and Campania), generally in the North of the country. Alto Adige (94.6%) and Trentino (75.8%) are two exceptional cases in the percentage of Forest area with detailed plans, and they are the only two regions where the percentage exceeds 40%.



**Table 8.13** (continued)


**Table 8.14** Type of timber utilisation / Classi per le modalità delle utilizzazioni legnose



#### 8 Forest Management and Productive Function 357


**Table 8.15** (continued)




**Table 8.16**

(continued)

#### 360 L. Di Cosmo and P. Gasparini

**Fig. 8.9** Forest area by utilization mode / Ripartizione percentuale della superficie del Bosco per modalità di utilizzazioni forestali


**Table 8.17** Logging modes / Classi per le modalità di esbosco


**Table 8.18** Forest area by logging mode / Estensione del Bosco ripartito per modalità di esbosco



#### 8 Forest Management and Productive Function 365

**Table 8.19**

**Fig. 8.10** Forest area by logging mode / Ripartizione percentuale della superficie del Bosco per modalità di esbosco



**Fig. 8.11** Growing stock removed annually, total and per hectare (to improve readability, very long bars have been limited and true values are given in numbers) / Volume totale e per ettaro utilizzato annualmente (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)



**Fig. 8.12** Biomass removed annually, total and per hectare (to improve readability, very long bars have been limited and true values are given in numbers) / Biomassa totale e per ettaro utilizzata annualmente (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)


**Table 8.22** Classes of the forest planning / Classi per la pianificazione forestale


**Table 8.23** Forest and Other wooded land area by presence of forest planning / Estensione del Bosco e delle Altre terre boscate ripartite per stato della



#### 8 Forest Management and Productive Function 373


boscate

(continued)


**Table 8.25**


**Table 8.26** Forest and Other wooded land area by presence of detailed plans / Estensione del Bosco e delle Altre terre boscate ripartiti per presenza

 di


di


#### 8 Forest Management and Productive Function 377


categories of Other wooded land by presence of detailed plans / Estensione delle categorie inventariali delle Altre terre boscate,


8 Forest Management and Productive Function 379

**Table 8.28**

**Fig. 8.13** Forest area percentage by planning level / Percentuale di superficie del Bosco per livello di dettaglio della pianificazione forestale

# **Appendix (Italian Version)**

**Riassunto** La selvicoltura come scienza è nata con la necessità di gestire le foreste in modo sostenibile, per preservarne la funzione produttiva. Da allora, il concetto di sostenibilità è stato allargato ad altri valori e servizi riconosciuti importanti per il benessere del genere umano. La selvicoltura è quindi una necessità dell'uomo e non della foresta per la propria perpetuazione. La sostenibilità può essere perseguita adottando pratiche colturali corrette e adattando la pianificazione alle forme di gestione idonee ad assicurare il raggiungimento degli obiettivi, come ad esempio quelli legati al bilancio del carbonio per la mitigazione dei cambiamenti climatici. Gli inventari forestali nazionali producono le informazioni necessarie, di qualità idonea, per le scelte di politica forestale. In questo capitolo sono descritte le statistiche su alcune variabili importanti per gli aspetti produttivi, quali l'accessibilità, la presenza di viabilità forestale, l'accidentalità del terreno e la disponibilità al prelievo legnoso (Sect. 8.2). Le pratiche selvicolturali trovano concreta applicazione mediante i sistemi di utilizzazione adottati; questi sono anche correlati con le modalità di esbosco; la Sect. 8.3 descrive le statistiche su queste variabili nonché il volume e la biomassa annualmente asportati dal bosco in Italia. La Sect. 8.4 riporta le statistiche sulla presenza di pianificazione e regolamenti che influenzano gli aspetti produttivi delle foreste. I tipi di pianificazione possono variare considerevolmente in relazione alle competenze dei vari Enti preposti, quindi il rilievo ha dato particolare importanza alla presenza di pianificazione ai diversi livelli.

# **Introduzione**

La necessità di gestire le foreste nasce principalmente dall'esigenza di ricavarne legna o legname in maniera sostenibile (Dorren et al., 2004), sebbene a partire dagli anni Ottanta dello scorso secolo il concetto di sostenibilità sia stato allargato ad altri valori e servizi ecosistemici (O'Hara, 2016). Proprio la minaccia alla sostenibilità dovuta alle condizioni di impoverimento dei soprassuoli europei a cavallo tra diciottesimo e diciannovesimo secolo ha stimolato la nascita della selvicoltura come disciplina scientifica, la prima del mondo occidentale a riconoscere esplicitamente la necessità di salvaguardare un bene naturale per le future generazioni (Perry, 1998). La selvicoltura è quindi una necessità dell'uomo, che dalla foresta vuole ottenere determinati vantaggi, e non della foresta per la sua esistenza (Piussi, 1994). Essa è anche stata indicata come una necessità, nell'intento di trovare un punto di equilibrio tra la fruizione delle diverse funzioni del bosco e l'accertata potenzialità delle sue prestazioni, dato che l'uso dei boschi è irrinunciabile per il benessere dell'umanità (De Philippis, 1983). La sostenibilità si fonda, quindi, sull'adozione di pratiche selvicolturali appropriate nell'ambito di una gestione forestale correttamente pianificata ai vari livelli, sulla base dei vincoli normativi anch'essi di validità territoriale più o meno ampia. Da questo punto di vista, le statistiche di INFC2015 possono rappresentare un contributo importante per ridefinire politiche e criteri di pianificazione a livello nazionale e regionale. Nel quadro attuale di riscaldamento globale, infatti, le scelte orientate ad assicurare la sostenibilità della gestione forestale, in relazione al bilancio del carbonio e alle altre funzioni del bosco, non possono prescindere dalla disponibilità di dati affidabili (Bosela et al., 2016). Il livello di dettaglio applicativo della pianificazione è rappresentato dalla pianificazione forestale particolareggiata, anche nota come assestamento forestale, che si prefigge di garantire la continuità dei prodotti e servizi richiesti al bosco senza pericoli di deterioramento (Bernetti, 1989).

Nella gestione delle foreste, gli aspetti produttivi dipendono da vari fattori, alcuni dei quali illustrati in questo capitolo. Tra di essi, un primo gruppo riguarda la possibilità di accesso, in relazione ad ostacoli fisico-orografici o normativi. La possibilità di operare in bosco è legata anche alla possibilità di accedervi senza dispendio eccessivo di tempo ed energia, condizione possibile solo in presenza di una rete stradale adeguata (Hippoliti, 1990). INFC rileva la presenza di viabilità utile all'accesso in termini di distanza orizzontale e verticale rispetto ai punti di campionamento. Le caratteristiche micromorfologiche del terreno, dettate dalla presenza di fossi, avvallamenti o ostacoli come rocce e massi, possono impedire o ostacolare in varia misura la percorribilità del terreno con i mezzi meccanici, con ripercussioni sugli aspetti produttivi anch'esse variabili caso per caso. Oltre all'interazione delle variabili elencate, altre caratteristiche, come ad esempio il valore del soprassuolo e le condizioni del mercato, influenzano gli aspetti produttivi; per questo, la disponibilità al prelievo legnoso viene valutata anche attraverso un giudizio di tipo sintetico. La Sect. 8.2 è dedicata a tutti questi aspetti.

Le pratiche selvicolturali adottate sono strettamente connesse alle modalità delle utilizzazioni del soprassuolo, poiché la selvicoltura si concretizza con esse (Hippoliti, 2005). La Sect. 8.3 è dedicata alle pratiche selvicolturali applicate e alle modalità di utilizzazione e mezzi di esbosco adottati, cioè al modo e ai mezzi con cui gli alberi vengono tagliati e i prodotti legnosi ottenuti allontanati dal bosco.

La coesistenza di diverse competenze sulle foreste, dello Stato e delle Regioni, ma anche dei diversi Enti preposti alla salvaguardia dei molteplici valori riconosciuti al bosco, determina una certa complessità che non rende agevole valutare il grado della pianificazione in specifiche aree boscate. INFC rileva la presenza di pianificazione ai vari livelli possibili, inclusa la presenza di eventuali vincoli normativi che possono condizionare la produzione legnosa. Questa modalità di rilievo prevede che di un'area vengano indicati tutti gli strumenti e vincoli eventualmente presenti. In virtù delle possibili sovrapposizioni, sommando le aree sottoposte ai diversi strumenti pianificatori è possibile che si ottenga una superficie superiore alla superficie totale della categoria considerata, ad esempio del Bosco o delle Altre terre boscate.

# **Accessibilità e disponibilità al prelievo**

La raggiungibilità delle aree forestali viene valutata mediante diverse caratteristiche che descrivono la possibilità di arrivare sul punto di campionamento (grado di accessibilità) e la facilità di accesso in relazione alla distanza orizzontale e al dislivello tra il punto di campionamento e la viabilità ordinaria o forestale. È stata presa in considerazione solo la viabilità ordinaria o forestale in buone condizioni, cioè concretamente, fruibile secondo la categoria di appartenenza. Sul posto, le condizioni di lavoro per le varie operazioni necessarie in occasione dei tagli possono risultare più o meno agevoli in funzione dell'accidentalità del terreno, dalle quali può dipendere la possibilità o la preclusione all'uso di macchine specializzate (Hippoliti, 2004).

Il grado di accessibilità viene espresso secondo la semplice attribuzione alla condizione di accessibile o non accessibile. I motivi di inaccessibilità, descritti nella Table 8.1, sono riconducibili a tre tipi di cause, legate ad ostacoli fisico-orografici che ne rendono impossibile il raggiungimento o il cui superamento espone a seri pericoli per l'incolumità, alla presenza di vegetazione molto densa ed intricata ed infine alla presenza di recinzioni o divieti normativi. La Table 8.2 riporta le stime di superficie per il grado di accessibilità del Bosco e delle Altre terre boscate. All'indirizzo inventarioforestale.org/statistiche\_INFC sono disponibili analoghe statistiche per le categorie inventariali del Bosco e delle Altre terre boscate, nonché quelle per le categorie forestali dei Boschi alti. Il Bosco italiano è caratterizzato da un grado di accessibilità piuttosto elevato (90.3%) e questo rimane vero in generale anche a livello regionale (Fig. 8.1), poiché tra le regioni si osservano variazioni contenute e percentuali di superficie accessibile sempre sopra l'80%. Anche nelle categorie forestali dei Boschi alti la percentuale di superficie accessibile è generalmente molto elevata, con variazioni contenute; il valore più basso è stato stimato per i Boschi igrofili (78.6%).

Il rilievo della viabilità prevede di attribuire la classe di distanza orizzontale e di dislivello tra il punto inventariale e la viabilità utilizzabile per l'esbosco con mezzi meccanici attraverso la consultazione di ortofoto, carte tecniche e altra cartografia tematica disponibile (anche su WebGIS) e la verifica o l'integrazione delle informazioni raccolte con l'osservazione in campo, durante l'avvicinamento al punto di campionamento. Questa modalità di rilievo, introdotta da INFC2015, ha consentito di superare le problematiche incontrate nel passato ciclo inventariale, principalmente legate all'inattesa onerosità del rilievo secondo le specifiche allora adottate, anche per le maggiori difficoltà di allora nella ricezione del segnale GPS (Di Cosmo et al., 2011). Le modifiche introdotte nel protocollo di rilievo hanno consentito di registrare il dato per tutti i punti della campagna di INFC2015, ma essendo le stime attuali legate anche alle informazioni pregresse (cfr. Chap. 2), l'informazione rimane mancante per una porzione importante del territorio boscato. Pertanto, il commento delle stime relative alle condizioni di viabilità deve necessariamente considerare che la percentuale di punti non classificati per il Bosco rappresenta il 30.6% della superficie, aspetto che limita le possibilità di descrivere la situazione reale.

La Table 8.3 in fondo a questo capitolo mostra le statistiche sulla superficie del Bosco nelle varie classi di distanza orizzontale adottate (0–500, 501–1000, 1001– 2000, >2000 m) dalla viabilità ordinaria o forestale al punto di campionamento. Sul sito inventarioforestale.org/statistiche\_INFC sono disponibili le statistiche per le classi di distanza delle Altre terre boscate, per le categorie inventariali del Bosco e per le categorie forestali dei Boschi alti. Il 47.9% della superficie del Bosco dista non più di 500 m da strade ordinarie o forestali. La prima classe di distanza è la più frequente anche a livello regionale, con valori che variano dal 34.3% della Basilicata e il 38.9% della Valle d'Aosta al 57.1% dell'Alto Adige (Fig. 8.2). Se si considera la superficie entro i 1000 m di distanza, cioè nelle prime due classi, a livello nazionale la percentuale passa al 63.4% ed in parte cambia la posizione di alcune regioni. Ad esempio, la Valle d'Aosta si allinea ad altre regioni con valori prossimi al 60%, mentre la Basilicata rimane quella con percentuale di superficie del Bosco minore nelle due classi (45.6%); l'Alto Adige resta la regione con superficie del Bosco più alta entro i 1000 m di distanza (74.7%), ma anche altre regioni si approssimano a quel valore (Veneto, Molise e Sardegna superano il 70%).

La Table 8.4 mostra le statistiche sulla superficie del Bosco nelle varie classi di dislivello (0–100, 101–400, >400 m, con segno positivo per tragitto in salita dalla strada al punto di campionamento e con segno negativo in caso di tragitto in discesa). All'indirizzo inventarioforestale.org/statistiche\_INFC sono disponibili le stime delle superfici per le classi di dislivello delle Altre terre boscate, delle categorie inventariali del Bosco e delle categorie forestali dei Boschi alti. Il 58.3% della superficie del Bosco è raggiungibile percorrendo un dislivello (in salita o in discesa) entro i 100 m. Anche a livello regionale più del 50% della superficie del Bosco si trova entro i 100 m di dislivello dalla viabilità ordinaria o forestale (Fig. 8.3), ad eccezione della Valle d'Aosta (42.1%) e della Basilicata (44.2%), due regioni già caratterizzate da una percentuale bassa della superficie del Bosco nella prima classe di distanza dalla viabilità. Per le categorie forestali dei Boschi alti, la classe di dislivello tra 0 e ± 100 m rimane la più frequente, ma per i Boschi di larice e cembro la percentuale di superficie rappresentata è solo del 35.0% contro il 25.8% della seconda classe (tra ±101 e ±400 m). Anche per le Faggete la superficie nella prima classe di dislivello non arriva al 50% di quella totale (42.8%), mentre in tutte le altre categorie più della metà della superficie ricade entro i 100 m di dislivello. Le Sugherete rappresentano la categoria raggiungibile con il minor dislivello da percorrere, poiché più dell'80% della superficie ricade nella prima classe.

L'accidentalità del terreno è stata classificata secondo l'attribuzione alle tre classi descritte nella Table 8.5. Le Tables 8.6 e 8.7 riportano l'estensione del Bosco e delle Altre terre boscate ripartite per le classi di accidentalità del terreno. Al link inventarioforestale.org/statistiche\_INFC sono disponibili le statistiche analoghe per le categorie inventariali del Bosco e delle Altre terre boscate nonché quelle per le categorie forestali dei Boschi alti. Il 62.6% della superficie del Bosco risulta nella classe di terreno non accidentata. Almeno la metà della superficie del Bosco in tutte le regioni si trova nella stessa classe di accidentalità, ad eccezione della Valle d'Aosta, dove la percentuale è solo del 30.0% e il Bosco si trova prevalentemente su terreno accidentato (44.1% della superficie). La statistica per le Altre terre boscate risulta meno interessante, poiché affetta da una quota rilevante di superficie non classificata. Si nota una generale prevalenza di superficie nella prima classe di accidentalità a livello regionale, ma in tre regioni (Valle d'Aosta, Trentino e Lazio) la classe con maggiore estensione percentuale è la terza (molto accidentato). A livello delle categorie forestali dei Boschi alti, solo quattro categorie (Boschi di larice e cembro, Ostrieti e carpineti, Leccete e Altri boschi di latifoglie sempreverdi) hanno una quota inferiore al 50% della superficie nella prima classe (Fig. 8.4), che rimane la più estesa come casistica generale.

La disponibilità al prelievo legnoso viene valutata in maniera sintetica, considerando la presenza di limitazioni significative alle attività selvicolturali per motivi normativi o di carattere economico in misura tale da compromettere la possibilità o la remuneratività del taglio (Table 8.8). Le restrizioni di tipo normativo possono derivare da esigenze di tutela del valore naturalistico, storico, culturale o di altro tipo. Limitazioni di carattere economico possono discendere da condizioni stazionali difficili come l'accessibilità dell'area (anche legata allo stato della viabilità forestale), la pendenza del terreno, l'accidentalità, ma anche la produttività e il valore del soprassuolo in relazione al mercato e alle consuetudini locali. La Table 8.9 mostra la ripartizione della superficie del Bosco e delle Altre terre boscate per disponibilità al prelievo legnoso. Le stime relative alle categorie inventariali del Bosco e delle Altre terre boscate, nonché quelle relative alle categorie forestali dei Boschi alti sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC. A livello nazionale l'88.5% della superficie del Bosco risulta disponibile al prelievo legnoso (Fig. 8.5) e la percentuale si mantiene elevata in tutte le regioni, generalmente sopra l'80% ad eccezione di Valle d'Aosta (63.1%), Trentino (74.6%) e Friuli-Venezia Giulia (61.2%). Anche a livello di categorie forestali dei Boschi alti si nota una netta prevalenza della superficie disponibile al prelievo, con valori superiori nella generalità dei casi all'80%, salvo per i Boschi di larice e cembro (63.9%), le Pinete di pino silvestre e montano e le Pinete di pino nero, laricio e loricato, ma queste ultime due categorie con valori molto prossimi (più del 79%) (Fig. 8.6). Le informazioni raccolte permettono di ripartire la superficie non disponibile per motivo di indisponibilità, come mostrato nella Fig. 8.7. Nel 67.8% dei casi, le limitazioni sono di carattere economico, nel 27.3% sono legate alla tutela delle risorse naturali e del territorio e solo una parte molto ridotta (3.0%) è esclusa dalle utilizzazioni per restrizioni legate ad interesse socioculturale.

# **Selvicoltura e utilizzazioni**

Le pratiche selvicolturali applicate ai boschi italiani sono state valutate considerando la tipologia e l'intensità degli interventi, secondo quanto descritto nella Table 8.10. La Table 8.11 riporta le stime di superficie per il Bosco ripartita per pratiche colturali, mentre la Table 8.12 mostra statistiche analoghe per i Boschi alti e gli Impianti di arboricoltura da legno. A livello nazionale il 62.1% della superficie del Bosco risulta interessato da pratiche colturali di qualche tipo e intensità mentre è assente qualsiasi tipo di pratica sul 37.4% del Bosco in Italia. A livello regionale si osserva una variabilità piuttosto elevata (Fig. 8.8). L'assenza di pratiche, che caratterizza principalmente i soprassuoli di aree scomode o poco convenienti da utilizzare, interessa una percentuale del Bosco che va dal 12.0% (Alto Adige) al 72.0% (Sicilia). Aliquote superiori al 50% di Bosco non interessato da pratiche colturali si riscontrano anche per la Valle d'Aosta, la Liguria e l'Abruzzo, ma altre cinque regioni si approssimano a quella percentuale (Piemonte, Friuli-Venezia Giulia, Puglia, Basilicata, Calabria). Le pratiche ordinarie minimali sono la forma più frequente tra quelle applicate in tutte le regioni, con l'eccezione dell'Alto Adige e del Trentino, dove quelle ordinarie classiche interessano più del 50% della superficie del Bosco. In linea generale, quindi, gli interventi più diffusamente applicati si limitano al prelievo della massa legnosa a maturità o fine turno. Le pratiche colturali ordinarie classiche, che oltre alla raccolta del prodotto alla fine del ciclo produttivo prevedono interventi di miglioramento dei soprassuoli, interessano una porzione di Bosco a livello nazionale del 14.6%. Nelle regioni questa aliquota è superata solo in Alto Adige (53.1%), Trentino (55.6%), Veneto (30.8%), Toscana (18.0%) e Basilicata (19.7%). Pratiche colturali intensive, speciali o di altro tipo si riscontrano poco frequentemente e di solito per superfici limitate. Le pratiche ordinarie intensive interessano più del 3% della superficie solo in Piemonte (3.3%), Lombardia (4.0%) e Sardegna (4.1%) e nelle ultime due sono dovute esclusivamente alla presenza di Impianti di arboricoltura da legno. Pratiche colturali speciali per produzioni secondarie sono applicate in Campania sul 4.7% della superficie mentre in Sardegna sul 16.0% della superficie. Le statistiche sulle produzioni secondarie, mostrate nella Table 8.13, permettono di osservare che per la Campania quella percentuale si deve alla produzione di castagne, mentre per la Sardegna quasi esclusivamente alla produzione di sughero e, in minima parte, di foraggio e castagne. Altre pratiche interessano percentuali del Bosco regionale sopra il 3% in Friuli-Venezia Giulia (3.5%), Marche (6.2%), Molise (7.5%) e Sardegna (8.0%).

Nel caso di pratiche colturali ordinarie è stata rilevata la modalità di utilizzazione del soprassuolo, basata sul sistema di classi riportate nella Table 8.14. Le relative stime di superficie sono riportate per il Bosco nella Table 8.15 e per le categorie inventariali del Bosco nella Table 8.16. Il taglio raso con riserve, nel caso delle fustaie, e con rilascio di matricine, in quello dei cedui, è la forma di utilizzazione più diffusa per il Bosco a livello nazionale (27.3%); generalmente essa è anche la più frequente nelle varie regioni (Fig. 8.9), con alcune eccezioni soprattutto nelle regioni alpine.

Analogamente alle pratiche colturali, le modalità di esbosco sono state valutate solo per i Boschi interessati da pratiche colturali ordinarie; la Table 8.17 riporta le classi adottate. Le stime di superficie ottenute sono riportate per il Bosco nella Table 8.18 e per le sue diverse categorie inventariali nella Table 8.19. A livello nazionale l'esbosco avviene principalmente caricando la legna o il legname sul mezzo di trasporto direttamente sul letto di caduta (29.3%), ma a livello regionale la situazione è diversificata. Nelle regioni alpine prevale lo strascico (con l'eccezione della Valle d'Aosta, con avvallamento sul 25.5% della superficie del Bosco), e in quelle appenniniche e nelle isole prevale il carico diretto (con l'eccezione della Calabria, con strascico sul 32.4% della superficie). Sistemi a fune sono adoperati solo nelle regioni del nord (fino all'Emilia-Romagna ma per una quota di solo l'1.0%) e l'elicottero solo in Valle d'Aosta (14.0% della superficie) e Alto Adige (0.8%) (Fig. 8.10).

Le stime sul volume annualmente utilizzato nel Bosco italiano sono riportate nella Table 8.20. Nei dodici mesi precedenti il rilevamento inventariale sono stati abbattuti alberi per 9.6 Mm3, per un valore di 1.1 m3 per ettaro. Le regioni con valori assoluti più alti sono Veneto, Piemonte, Trentino ed Emilia-Romagna (superiori a 800,000 m3) (Fig. 8.11). Per i valori di densità, la figura mostra che Veneto e Trentino sono le due uniche regioni che utilizzano un volume legnoso superiore a 2 m<sup>3</sup> ha−1, con rispettivamente 3.2 m<sup>3</sup> ha−<sup>1</sup> e 2.9 m3 ha−1. Le utilizzazioni in Molise e Puglia interessano volumi molto bassi. In termini di fitomassa, le utilizzazioni a livello nazionale corrispondono a 6.3 MMg, per un valore di 0.7 Mg ha−1, come mostrato nella Table 8.21 e nella Fig. 8.12.

# **Pianificazione**

La pianificazione forestale è oggetto di normative nazionali e regionali, a seguito del trasferimento alle Regioni delle competenze in materia di foreste, avvenuto con il D.P.R. n. 616/1977, e per il mantenimento di quelle relative alle funzioni di indirizzo e di coordinamento presso lo Stato. Sul piano pratico, oltre ad una certa complessità, sono derivate differenze abbastanza marcate tra le regioni. INFC rileva la presenza di tre livelli della pianificazione forestale, come descritto nella Table 8.22. A livello nazionale, il R.D.L. n. 3267/23 detta le regole per l'esecuzione delle utilizzazioni boschive in conformità a piani economici e a Prescrizioni di Massima e di Polizia Forestale (PMPF), al fine di tutelare l'equilibrio idrogeologico dei territori montani. Come strumento prescrittivo per le attività selvicolturali e di gestione dei boschi a livello delle Province, in qualche misura le PMPF possono delineare gli ambiti della pianificazione forestale e rappresentano il piano più generale della rilevazione di INFC. La pianificazione di orientamento comprende strumenti a carattere generale validi su estensioni territoriali più o meno ampie, come ad esempio le aree montane, i parchi e le riserve naturali, validi anche per usi del suolo diversi dal bosco. Il livello di maggiore dettaglio è quello tipico della pianificazione forestale nella sua accezione classica, programmata mediante piani economici, anche noti come piani di assestamento o piani aziendali, generalmente relativi ai boschi di una singola proprietà forestale. Nel caso di coesistenza, INFC2015 ha registrato tutti i livelli di pianificazione presenti.

La Table 8.23 riporta le stime di superficie relative alla presenza di almeno una delle forme di pianificazione previste, per il Bosco e le Altre terre boscate; la Table 8.24 riporta stime analoghe per i Boschi alti e gli Impianti di arboricoltura e la Table 8.25 quelle per le categorie inventariali delle Altre terre boscate. La Table 8.26 mostra l'estensione della superficie del Bosco e delle Altre terre boscate per presenza di pianificazione di dettaglio, mentre le due tabelle successive (Tables 8.27 e 8.28) mostrano la ripartizione delle superfici per presenza di pianificazione di dettaglio per le categorie inventariali rispettivamente del Bosco e delle Altre terre boscate. All'indirizzo inventarioforestale.org/statistiche\_INFC sono inoltre pubblicate le stime di superficie per presenza di PMPF per il Bosco e le Altre terre boscate, nonché quelle per le categorie inventariali del Bosco e delle Altre terre boscate. Analogamente, per la pianificazione di orientamento la stessa fonte fornisce le stime di superficie per il Bosco e le Altre terre boscate e per le loro categorie inventariali. Infine, solo per i Boschi alti, sono disponibili le stime di superficie relative allo stato della pianificazione forestale per le categorie forestali, sempre secondo i tre livelli di PMPF, pianificazione di orientamento e pianificazione di dettaglio. A livello nazionale il 92.2% della superficie del Bosco risulta regolamentata in almeno uno dei tre livelli della pianificazione considerati, valore che scende al 50.7% per la superficie delle Altre terre boscate; va però segnalato che il confronto potrebbe risentire della quota piuttosto elevata di superficie non classificata per queste ultime (23.0%). Se si osserva soltanto il Bosco, la percentuale di superficie con pianificazione forestale ad almeno uno dei tre livelli rimane piuttosto elevata in tutte le regioni e generalmente superiore all'80%. La Fig. 8.13 mostra la percentuale di superficie del Bosco, per regione e per l'Italia, in cui è presente pianificazione nei tre livelli considerati. Si può notare che le PMPF contribuiscono in maniera prevalente ad assicurare una qualche forma di pianificazione e che, dei tre livelli considerati, è quello con minore variabilità di superficie interessata tra le diverse regioni. Le stime per il Trentino in merito alla ridotta presenza di PMPF sono dovute alla presenza di regolamenti alternativi analoghi, in virtù dell'autonomia amministrativa speciale e della elevata percentuale di superficie forestale gestita secondo piani di assestamento che, secondo la normativa locale, sostituiscono e superano le regolamentazioni di carattere generale. La pianificazione di orientamento riguarda un'aliquota molto limitata della superficie del Bosco (2.3%), e il dato nazionale è superato solo in sette regioni: Valle d'Aosta, Lombardia, Veneto, Emilia-Romagna, Marche, Lazio e Sicilia. Anche la pianificazione di dettaglio risulta interessare un'aliquota del Bosco piuttosto limitata, pari al 15.5% a livello nazionale. Otto regioni superano tale valore nazionale (Valle d'Aosta, Lombardia, Alto Adige, Trentino, Veneto, Friuli-Venezia Giulia, Molise, Campania) generalmente nel nord Italia. Le uniche due regioni in cui la percentuale di superficie con piani di assestamento supera il 40% sono l'Alto Adige (94.6%) e il Trentino (75.8%), che si contraddistinguono per percentuali di superficie del Bosco dotate di un piano di gestione aziendale molto elevate.

# **References**

Bernetti, G. (1989). Assestamento forestale. D.R.E.A.M. Firenze (261 pp.).


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 9 Biodiversity and Protected Wooded Lands**

# **Biodiversità e protezione delle foreste**

# **Lucio Di Cosmo and Antonio Floris**

**Abstract** The importance of forests for their functions other than timber and wood production has dramatically increased in the last decades with the increased awareness of the risks deriving from deforestation and the acknowledgment of the great amount of goods and benefits forests provide. Consequently, national forest inventories have widened their objectives and nowadays include variables related to environmental aspects. Among these aspects, biodiversity plays a key role for forest ecosystems' adaptation to climate change. This chapter details the INFC2015 estimates regarding tree species diversity. It also shows the estimates on the naturalness of the stands' regeneration processes and those on the presence and type of deadwood in forests. In addition to carbon storage, standing dead trees, stumps and lying deadwood also have a great potential for biodiversity. Forest protection is also pursued through laws and policies that allow for the creation of protected areas of various type and protection degree. The main inventory statistics on wooded lands in protected areas are given in the last section of this chapter.

**Keywords** Species richness · Regeneration · Coarse woody debris · Volume increment · Protected areas · Natura2000

# **9.1 Introduction**

Biodiversity contributes to the functioning of the forest ecosystem and the provision of ecosystem services (e.g., Brockerhoff et al., 2017) that are important for human well-being. Since 1992, the international community has committed to conserve biodiversity under the Rio de Janeiro declaration. Biodiversity as a concept seems to be intuitive and easy to understand, but this is not the case. Furthermore, it does not

A. Floris e-mail: antonio.floris@crea.gov.it

© The Author(s) 2022 P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_9

L. Di Cosmo (B) · A. Floris

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: lucio.dicosmo@crea.gov.it

necessarily imply naturalness (Pignatti, 1995a). Generally, biodiversity is referred to five levels, ranging from genetics to the geographical region passing through species, ecosystem and landscape biodiversity (Bernetti, 2005). The survey of variables specifically related to biodiversity is a recent addition to national forest inventories (Gasparini et al., 2013). INFC contributes by providing useful information for the assessment of biodiversity on four out of five of these levels. Estimates in Chap. 7 on the inventory categories and the forest types that characterise the Italian territories, such as the regions and the macro-regions, are related to the first three broad levels, i.e., the regional, landscape and community diversity. Further information is available at inventarioforestale.org/statistiche\_INFC%20link, with special reference to the forest subtypes. This chapter describes INFC2015 results on the tree species diversity (Sect. 9.2), stand origin (Sect. 9.3), deadwood (Sect. 9.4) and the wooded lands in protected areas (Sect. 9.5).

Italian forest vegetation is marked by a high degree of diversity (Pedrotti, 1995). This is also due to the great variety of environmental conditions and climates that contribute to the general floristic richness of Italy (Pignatti, 1994). Although the number of species is not exhaustive in showing the biodiversity of a studied area (e.g., Pignatti, 1995b), it is considered a natural index that forms the basis of many ecological models (Gotelli & Colwell, 2001). Species richness is also one of the most important features for the naturalistic value assessment of forests (Pignatti & De Natale, 2011).

Naturalness of forests may also be evaluated based on regeneration, which INFC considers under the stand origin assessment. The most natural conditions occur when regeneration is not assisted or favoured by any human activity; to the contrary, a seeded or planted stand is marked by an artificial origin. In such a case, the impact on the environment may vary considerably depending on the material used, e.g., seeds collected in the same area or exotic species for timber production. Regeneration assisted or favoured through silvicultural operations, which creates semi-natural stands, generally guarantees conservation of local ecotypes, unless what is favoured is an exotic species or provenance previously introduced.

Deadwood is a key component of forest ecosystems. It contributes to biodiversity conservation, to carbon, nitrogen and phosphorus cycles. In addition, deadwood influences stand dynamics and regeneration of natural and semi-natural forests, plays a role in soil stabilisation on deep slopes and along the rivers (e.g., Paletto et al., 2012) and may hinder avalanche release (Berretti et al., 2006). Being combustible, as well as a resource for energy, deadwood in forests plays a role in the risk and propagation model of fires. Countries that have signed agreements on climate change mitigation need to estimate the carbon stored in deadwood, because it is one of the five forest pools recognised by IPCC (IPCC, 2003). Inclusion of deadwood among the variables measured by national forest inventories resulted in an unprecedented availability of data collected over wide areas that also showed severe limits in the modelling (e.g., Woodall et al., 2019) and demonstrated the importance of direct measurement of deadwood.

Protected areas play a crucial role in biodiversity conservation and in the safeguard of various ecosystems, including forests (Dudley & Phillips, 2006). National forest inventories may provide suitable information on protected forests. Forests are one of the essential components of the protected areas in Italy.

# **9.2 Tree Species**

Richness of tree species is a prerequisite for having forests under diverse environmental conditions, whose diversified ecology and functioning is also important to assure the many ecosystem services that are required nowadays. INFC2015 has measured (DBH ≥ 4.5 cm) approximately 180 woody species.

Table 9.1 lists the 45 main species, in terms of growing stock in the Italian Forest. It shows estimates for the number of trees, basal area, growing stock volume and aboveground tree biomass, aboveground carbon stock and annual volume increment. Forty-five species have been selected from a broad list containing all the main species in each region, i.e., the species that constitute 90% of the growing stock in the region. Similar inventory statistics for the regions are available at inventarioforestale.org/sta tistiche\_INFC%20link. Estimates on the same variables for the inventory categories and for forest types at the national and regional levels are also available. All tables share the same criterion in listing the species, i.e., according to decreasing volume values. However, the residual class other species is always at the bottom and may consist of different species depending on the variable. Figures 9.1, 9.2 and 9.3 show the cumulative distribution of the number of trees (Fig. 9.1), the growing stock (Fig. 9.2) and the aboveground tree biomass (Fig. 9.3) in the Italian Forest for the main 45 species.

The figures show that 85% of growing stock and aboveground tree biomass is due to 17 species; except for *Pinus laricio* Poiret, they are all on the list of 27 species that constitutes 85% of the number of trees. The same species are also the most important in terms of annual volume increment, and this is consistent with studies that showed volume as the main predictive variable in the increment estimation (e.g., Bevilacqua, 1999; Gasparini et al., 2017); altogether, the 17 species make up 80% of the annual increment.

Beech is the most highly represented species of the Italian Forest. For the considered characteristics, basal area is 15.2% of the total, growing stock volume is 18.1%, aboveground tree biomass is 20.7% and annual volume increment is 14.2%. Finally, numerosity of subjects is 10.8% of the total, and in second position of the list. The second most represented species in terms of basal area, growing stock volume, aboveground tree biomass and annual volume increment is the Norway spruce. It represents 3.4% of the total number of trees, 10.2% of basal area, 15.3% of growing stock, 11.1% of aboveground tree biomass and 11.8% of annual volume increment. Chestnut and Turkey oak are the two following species and their relative position changes depending on the variables considered. Chestnuts account for 6.2% of Italian Forest trees, 9.6% of basal area, 9.0% of growing stock volume, 8.1% of aboveground tree biomass and 9.9% of annual volume increment. Turkey oak trees constitute 7.6% of the total, 8.2% of basal area, 8.1% of growing stock volume, 9.4% of aboveground



**Table**


**Fig. 9.1** Cumulative frequency distribution of the number of trees for the 45 main species in the Italian Forest / Distribuzione di frequenza cumulata del numero di alberi per le 45 specie più abbondanti nel Bosco in Italia

tree biomass and 9.2% of annual volume increment. Beech, Norway spruce, chestnut and Turkey oak together account for slightly more than 50% of growing stock volume and aboveground tree biomass of the Italian Forest, and 45.5% of its annual volume increment.

These four species characterise four forest types. The abundance of a species in the proper forest type is variable but always consistent: basal area ranges from 76.6% for Turkey oak in the Mediterranean oaks type to 89.0% for beech in the Beech forest type. Figure 9.4. shows the percentage of the basal area of the four species in the Tall trees forest types, and groups all others in the class other types; the figure has been drawn in such a way as to improve readability by limiting the X-axis.

The group of species that constitutes 85% of the total number of trees is wider and lists 27 species. This is due to the presence of small-sized species, often found as stools in pure or mixed coppice stands.

Some of the 45 main species described are exotic species. Black locust (*Robinia pseudacacia* L.) is a species long time naturalised with a relevant number of trees (2.5% of the total), 1.6% of growing stock volume, 1.9% of aboveground tree biomass and 2.7% of annual volume increment. *Eucaliptus* spp. trees (0.3% of the total growing stock and 0.6% of the annual volume increment) and Douglas fir (0.6% of the total growing stock and 0.6% of the annual volume increment), are planted species with a more limited occurrence.

**Fig. 9.2** Cumulative frequency distribution of the growing stock volume for the 45 main species in the Italian Forest / Distribuzione di frequenza cumulata del volume legnoso per le 45 specie più abbondanti nel Bosco italiano

# **9.3 Stands Origin**

By stand origin INFC means the naturality of the regeneration process, i.e., the intensity of human intervention to favour or assist regeneration. Table 9.2 shows the three classes adopted. Tables 9.3 and 9.4 show the estimates on Forest and on Other wooded land area by stand origin. Tables 9.5 and 9.6 show corresponding statistics for Tall trees forest and Plantations. Tables 9.7 and 9.8 show the estimates for the inventory categories of Other wooded land. The inventory statistics on the Tall trees forest types area by stand origin are available at inventarioforestale.org/statistiche\_ INFC.

Forests are mainly semi-natural in Italy, that is regeneration is obtained or guided by silvicultural activity. Semi-natural forests amount to 68.0% at the national level but this is also the prevailing origin for stands in all the regions except Sicilia (27.7%), where it is in the second position after the natural origin class (36.8%). Calabria and Puglia are the only two remaining regions where the percentage of semi-natural stands does not reach 50%, although it is rather close (48.8% and 48.4%, respectively). Natural stands make 17.1% of Forest area. Variability among the regions is also rather high in this class, but natural stands remain the second widest area in all regions

**Fig. 9.3** Cumulative frequency distribution of the aboveground tree biomass for the 45 main species in the Italian Forest / Distribuzione di frequenza cumulata della biomassa arborea epigea per le 45 specie più abbondanti nel Bosco italiano

except Molise, where the percentage of planted forests is slightly higher. Natural stands are those originating after a natural disaster, e.g., forest fires, and without human intervention, but they also begin from primary or secondary successions, which are very important for forest expansion.

Comparisons between Fig. 9.5, which shows the percentage of the three stand origin classes for Forest, and Fig. 9.6, which is the equivalent for Other wooded land, show that importance of semi-natural and natural origin is inverted between Forest and Other wooded land, although the relevant unclassified percent area in the Other wooded land must be considered. However, the predominance of natural stands in Other wooded land may be mainly ascribed to tree colonisation of former agricultural lands where human interventions to guide regeneration are still limited (exception for Molise and Sardegna). Some of the stands on Other wooded land will develop into true forests and this dynamic explains in part the naturally originated forest area. To some extent, naturally originated forests may be considered an intermediate condition that lasts from the time when they transit from the Other wooded land to Forest (by reaching the threshold values of the parameters that are relevant under the adopted definitions) to the time when silviculture becomes an option under an economical point of view. Planted forests are 6.3% of the Forest area at the national level and this percentage is not reached in most regions. Sicilia is an exception because that

**Fig. 9.4** Percentage breakdown of the main four species basal area in the forest types. X-axis was limited to 8% to improve readability; exceeding values are given in numbers / Ripartizione percentuale dell'area basimetrica delle quattro specie principali nelle categorie forestali. L'asse delle ascisse è stato limitato al valore 8% per migliorarne la leggibilità; i valori eccedenti sono mostrati in numero

percentage is the highest among all regions (27.4% of Forest area), but it is also rather close to the semi-natural Forest area (27.7%). As expected, in the Other wooded land the artificial origin class is absent in many regions and very limited in the others.

# **9.4 Deadwood**

INFC2015 has estimated the three components of deadwood as standing dead trees, deadwood lying on the ground and stumps (Fig. 9.7) according to size thresholds generally consistent with those adopted in the international reporting (e.g., FAO, 2018). Under these thresholds, the three components combined are usually referred to as coarse woody debris. For each component, INFC2015 provides information on volume, deadwood biomass and organic carbon; standing dead trees and stumps are also estimated in terms of number. Tables with the estimates on the number and volume of standing dead trees (Tables 9.9 and 9.10) and on the number and volume of stumps (Tables 9.11 and 9.12) are shown, as well as those on the volume


**Table 9.2** Stand origin classes / Origine delle fitocenosi

of the lying deadwood (lying coarse woody debris, Table 9.13) and coarse woody debris total volume (Table 9.14) for Forest. Analogue statistics for the forest types are available at inventarioforestale.org/statistiche\_INFC. Estimates on the deadwood biomass and the carbon stocked by the three deadwood components for either the inventory categories or the forest types of Forest are also available.

There are 1.37 billion standing dead trees in the Italian Forest, 150.3 ha−<sup>1</sup> on average. The number of standing dead trees is 11.9% of the living trees; however, that percentage is variable among the regions (from 2.5% of Puglia to 20.7% of Liguria). The regional data of standing dead trees plotted on the living ones are well interpolated through a power function (Fig. 9.8).

Standing dead trees amount to 67.3 million m3, 7.4 m3 ha−<sup>1</sup> on average. Lying deadwood is the second component in forests, with a total value of 51.8 million m3,


**Table 9.3** Forest area by stand origin / Estensione del Bosco ripartito per l'origine dei soprassuoli


**Table 9.4**Other wooded land area by stand origin / Estensione delle Altre terre boscate ripartite per l'origine dei


**Table 9.5** Tall trees forest area by stand origin / Estensione dei Boschi alti ripartiti per l'origine dei soprassuoli


**Table 9.6** Plantations area by stand origin / Estensione degli Impianti di arboricoltura da legno ripartiti per l'origine dei soprassuoli

5.7 m3 ha−<sup>1</sup> on average. Stumps are 783.8 million in numbers (86.3 ha−<sup>1</sup> on average) for a total volume of 14.0 million m<sup>3</sup> (1.5 m3 ha−1).

Per hectare values in the forest types of the Tall trees forest show that in general lying deadwood is the main component of conifer forests while standing dead tree deadwood is the most abundant in the broadleaved forests (Fig. 9.9); exceptions are the Mediterranean pines forests and the Hygrophilous forests.

Chestnut forests are marked by a very high value of trees per hectare (486.5 n ha−<sup>1</sup> on average; Hornbeam and Hophornbeam forest type follows with 193.9 n ha−1), and their timber volume of 28.6 m<sup>3</sup> ha−<sup>1</sup> is more than twice that of any other forest type. Lying deadwood is also abundant, especially if compared to that of the broadleaved species forest types. The copious amount of deadwood in Chestnut forests had been


**Table 9.7** Short trees forest, Sparse forest and Scrubland area by stand origin / Estensione di Boschi bassi, Boschi radi e Boscaglie ripartiti per l'origine dei soprassuoli

detected in the past NFI (INFC2005) and explained by the devastating diseases infecting the species (Pignatti & De Natale, 2011).

Except the Chestnut forest type, there is more coarse woody debris in the Alpine coniferous forest; a similar amount is found for broadleaved species types only in the Hygrophilous forests. These are especially rich in lying deadwood (11.5 m3 ha−1), but their value in standing dead trees is also relevant (8.3 m3 ha−1) falling in second place only after that of Chestnut forest.

Stump volume is particularly abundant in the Alpine forest types of Larch and stone pine, Norway spruce and Fir. This is also due to the occurrence of such species


**Table 9.8** Shrubs area by stand origin and Not accessible or not classified wooded area / Estensione degli Arbusteti ripartiti per l'origine dei soprassuoli

 e delle

**Fig. 9.5** Percent of area of Forest by stand origin / Ripartizione percentuale della superficie del Bosco per origine del soprassuolo

on steep slopes so that at ground level cut line in the uphill side may correspond to a very high stump height on the downhill side.

Abundance of the three components may also be compared through their relative deadwood biomass. Numerousness and volume are more closely linked to ecological functions, such as biodiversity and others, while deadwood biomass is more closely related to the carbon stock function, that is discussed in Chap. 12. It is noteworthy that the relative abundance of the three components may vary consistently if their biomass is used instead, because of the variable wood density values of the species and the decay class.

# **9.5 Wooded Lands in Protected Areas**

During the inventory survey, when an inventory point was within a naturalistic protected area, the presence of naturalistic constraints was recorded. The main normative references for the definition of protected natural areas and the consequent naturalistic constraints are the Outline Law 394/91 at a national level, and the European Directives concerning 'Birds' (79/409/CEE) and 'Habitats' (92/43/CEE), adopted in Italy by Law 157/92 and Decree 357/97. The Convention onWetlands of International Importance especially as Waterfowl Habitat, signed in Ramsar in 1971 and adopted

**Fig. 9.6** Percent of area of Other wooded land by stand origin / Ripartizione percentuale della superficie delle Altre terre boscate per origine del soprassuolo

in Italy by Decree No. 448/76, must be considered in addition to the above-mentioned regulations. The different types of protected areas identified by these rules, and their definitions, are provided in Table 9.15, while in Table 9.16 the different levels of protection are defined for national parks and Natura2000 sites.

INFC2015 estimates 3.5 million hectares of wooded area are in protected areas, 31.8% of the national Total wooded area, of which 2.8 million hectares are Forest and almost 700,000 ha are Other wooded land. Figure 9.10 shows the area of Forest and Other wooded land included in the different types of protected areas. According to the national classification, different types of protection status may overlap on the same area. Natura2000 sites, for example, which spread over 3 million hectares of wooded lands (2.4 million hectares in Forest, about 600,000 hectares in Other wooded land), are often within national or regional parks and reserves.

The percentage of protected wooded land (Table 9.17, Fig. 9.11) is considerable in all Italian regions, but it is remarkable in some regions of central and southern Italy: more than 50% in Abruzzo, Campania, Puglia, and Sicilia. In the Alpine regions, which are marked by a higher forest cover, the percentage of protected wooded land is generally less than the national average, except for Veneto, which hosts 42.9% of its wooded lands in protected areas. The estimates on wooded lands in the different types of protected areas by inventory categories, as well as those on Tall trees forest types area by presence of naturalistic constraints, are available at inventarioforestale. org/statistiche\_INFC.

**Fig. 9.7** The deadwood component measured by INFC: **a** standing dead trees, **b** lying deadwood, and **c** stumps / Componenti di legno morto misurate da INFC: alberi morti in piedi (**a**), legno morto grosso a terra (**b**) e ceppaie residue (**c**)


**Table 9.9** Total number and number per hectare of standing dead trees by Forest inventory category / Valori totali e per ettaro del numero di alberi mortiperlecategorieinventarialidelBosco

 in




**Table 9.11** Total number and number per hectare of stumps by Forest inventory category / Valori totali e per ettaro del numero di ceppaie residue per le categorieinventarialidelBosco


 le



**Table 9.13** Total volume and volume per hectare of lying coarse woody debris by Forest inventory category / Valori totali e per ettaro del volume del legno



Number of living trees (millions) / Numero di alberi vivi (milioni)

**Fig. 9.8** Relationship between the number of standing dead trees and that of living trees in the Italian regions / Relazione tra il numero degli alberi morti in piedi e il numero degli alberi vivi nelle regioni italiane

Tables 9.18, 9.19 and 9.20 detail the area under naturalistic constraints at the inventory category level. All inventory categories have similar portions of protected areas, ranging between 30 and 35%, except from Plantations (23.4%).

Wooded lands within national parks are about 920,000 hectares: 725,000 ha in Forest (8.0%), 195,000 ha in Other wooded land (9.9%). At the regional level, this distribution varies considerably (Table 9.21), as it is conditioned by the distribution of the total area of the national parks. The rate of Forest in national parks is particularly high in three regions of central-southern Italy: Puglia (42.2%), Abruzzo (32.3%) and Calabria (26.2%). Table 9.22 (Forest) and Table 9.23 (Other wooded land) show the distribution of forest area in national parks by protection level. Considering Forest alone, Fig. 9.12 shows that the majority of protected area in national parks falls into Zone C (24.0%). Moreover, only 56.3% of such area is assigned to a specific class, while the remaining 43.7% is not classified to a specific protection level.

State nature reserves host 74,963 ha of the total wooded area, corresponding to 0.7% (Table 9.24). A similar rate (0.6%) is obtained when considering only the Forest. These Forest areas are concentrated in five regions: Tuscany, Lazio, Veneto, Abruzzo and Calabria, which constitute over 70% of the total.

Forests in regional nature parks (Table 9.25) cover a total of 713,048 ha of the total forest area, 592,554 ha of which is Forest (6.5%). The distribution at the regional level is rather variable: in Sicilia and Campania, for example, 28.6% and 24.6% of the Forest, respectively, is protected by regional parks.

**Fig. 9.9** Volume per hectare of coarse woody debris by component, in the Tall trees forest types / Volume per ettaro delle componenti di legno morto grosso, nelle categorie dei Boschi alti

The total forest area included in regional nature reserves is 1.1% (125,572 ha, Table 9.26). Very low values are observed for all regions, except for Sicilia, where 11.4% of Forest falls into this type of reserves.

A very small wooded area, 60,932 ha (Table 9.27, 0.6% of the total) is included in the other protected natural areas under the Law n.394/91.

Natura2000 sites (SCI and SPA) host 27.2% of wooded areas (3,011,119 ha), 2,408,882 ha of which are in Forest (Table 9.28). The regions with the largest rates, considering the regional wooded lands area, are Puglia (63.0%), Campania (51.0%), Abruzzo (50.7%), Sicilia (45.5%), and Veneto (45.2%). More detailed estimates on wooded land areas in SCI and SPA can be found at inventarioforestale.org/statis tiche\_INFC.

Table 9.29 shows Forest and Other wooded land area included in Wetlands of international interest (Ramsar Convention), which together account for about 5000 ha in the whole country.

Finally, although the national classification of protected areas is not fully comparable to that adopted for European reporting (MCPFE, 2003). Figure 9.13 shows the percentage of distribution of Forest area by mutually exclusive protection level classes, comparable to the MCPFE classes and used for Italy in the State of Europe's Forest 2011 (Forest Europe, UNECE and FAO, 2011), for indicator 4.9. For such classifications, more detailed inventory statistics are available at inventarioforestale. org/statistiche\_INFC.

**Table 9.15** Types of protected areas (*Source* Framework Law on protected areas n.394/91, Directive 79/409/CEE, Directive 92/43/CEE, Ramsar Convention) / Definizioni dei tipi di aree protette (fonte: Legge Quadro n.394/91, Direttiva 79/409/CEE, Direttiva 92/43/CEE, Convenzione di Ramsar)

Type of protected area/Tipo di area protetta

National parks

Terrestrial, river, lake, marine areas containing one or more intact or partly altered ecosystems and one or more physical, geological, geomorphologic or biological formations of international/national importance due to naturalistic, scientific, aesthetic, cultural, educative and recreation values, such as to require governmental intervention for their conservation for the benefit of current and future generations

Regional and interregional nature parks

Land, river, lake areas and sea stretch near the coast of naturalistic/environmental value, building up, within one or more neighbouring regions, a homogeneous system identified by the naturalistic conditions of the sites, by their landscape and artistic values and by the cultural traditions of local populations

Nature reserves

Land, river, lake areas and sea stretch with one or more naturalistically important plant and animal species, or one or more ecosystems important for the biological diversity or for the conservation of genetic resources. Natural reserves may be state or regional based on the importance of the naturalistic elements they contain

Other natural protected areas

Biotopes, environmental association oases, suburban parks, natural monuments, etc. not falling into the above classes. These are divided into public areas, instituted by regional law or similar measures, and privately managed areas, instituted by formal public provisions or by contractual deeds, such as concessions or equivalent forms

Wetland of international interest

Marshes, bogs, swamps, peat beds or natural/artificial watery zones, permanent or transitory, including sea water areas of depth at low tide not more than six metres, considered of international importance under the Ramsar convention

Special Protection Areas – (SPA)

Territories established under Directive 79/409/EEC suitable for conservation of the bird species listed in Annex I concerning protection of wild birds

Special Areas of Conservation (SAC) or Sites of Community Importance (SCI)

Natural areas, geographically defined and with delimited surface, established under Directive 92/43/EEC, which:

(a) include land and water zones that are distinguished thanks to their geographic, abiotic and biotic characteristics, natural or semi natural (natural habitats) and that significantly contribute to conservation or recovery of a type of natural habitat or a species of wild flora and fauna listed in Annexes I and II to Directive 92/43/EEC on the conservation of natural habitats, and the conservation of wild fauna and flora at a favourable status in order to safeguard the biological diversity in the palearctic region by protecting the Alpine, Apennine and Mediterranean environments. Such areas are indicated as Special Areas of Conservation (SPA)

(b) are designated by the state through a regulatory, administrative and/or contractual act, and in which the conservation measures necessary to maintain or recover to a satisfactory conservation status the natural habitats and/or the populations of the species for which the natural area is meant. Such areas are indicated as Sites of Community Importance (SCI)

#### **Table 9.15** (continued)

Type of protected area/Tipo di area protetta

#### Parchi nazionali

Aree terrestri, fluviali, lacuali o marine contenenti uno o più ecosistemi intatti o anche parzialmente alterati da interventi antropici, una o più formazioni fisiche, geologiche, geomorfologiche, biologiche, di rilievo internazionale o nazionale per valori naturalistici, scientifici, estetici, culturali, educativi e ricreativi tali da richiedere l'intervento dello Stato ai fini della loro conservazione per le generazioni presenti e future

Parchi naturali regionali e interregionali

Aree terrestri, fluviali, lacuali ed eventualmente tratti di mare prospicienti la costa, di valore naturalistico e ambientale, che costituiscono, nell'ambito di una o più regioni limitrofe, un sistema omogeneo, individuato dagli assetti naturalistici dei luoghi, dai valori paesaggistici e artistici e dalle tradizioni culturali delle popolazioni locali

#### Riserve naturali

Aree terrestri, fluviali, lacuali o marine che contengono una o più specie naturalisticamente rilevanti della flora e della fauna, ovvero presentino uno o più ecosistemi importanti per la diversità biologica o per la conservazione delle risorse genetiche. Le riserve naturali possono essere statali o regionali in base alla rilevanza degli elementi naturalistici in esse rappresentati

Altre aree naturali protette

Biotopi, oasi delle associazioni ambientaliste, parchi suburbani, monumenti naturali, ecc. che non rientrano nelle precedenti classi. Si dividono in aree a gestione pubblica, istituite cioè con leggi regionali o provvedimenti equivalenti, e aree a gestione privata, istituite con provvedimenti formali pubblici o con atti contrattuali quali concessioni o forme equivalenti

Zone umide di interesse internazionale

Aree acquitrinose, paludi, torbiere oppure zone naturali o artificiali d'acqua permanenti o transitorie, comprese zone di acqua marina la cui profondità con bassa marea non superi i sei metri che, per le loro caratteristiche, possono essere considerate di importanza internazionale ai sensi della convenzione di Ramsar

Zone di Protezione Speciale—(ZPS)

Territori designati ai sensi della direttiva 79/409/CEE, idonei alla conservazione delle specie di uccelli selvatici di cui all'allegato I della direttiva stessa

Zone Speciali di Conservazione (ZSC) o Siti di Importanza Comunitaria (SIC)

Designate ai sensi della direttiva 92/43/CEE, sono costituite da aree naturali, geograficamente definite e con superficie delimitata, che: (a) contengono zone terrestri o acquatiche che si distinguono grazie alle loro caratteristiche geografiche, abiotiche e biotiche, naturali o seminaturali (habitat naturali) e che contribuiscono in modo significativo a conservare, o ripristinare, un tipo di habitat naturale o una specie della flora e della fauna selvatiche di cui all'allegato I e II della direttiva 92/43/CEE, relativa alla conservazione degli habitat naturali e seminaturali e della flora e della fauna selvatiche in uno stato soddisfacente a tutelare la diversità biologica nella regione paleartica mediante la protezione degli ambienti alpino, appenninico e mediterraneo. Tali aree vengono indicate come Zone Speciali di Conservazione Comunitaria (ZSC);

(b) sono designate dallo Stato mediante un atto regolamentare, amministrativo e/o contrattuale e nelle quali siano applicate le misure di conservazione necessarie al mantenimento o al ripristino, in uno stato di conservazione soddisfacente, degli habitat naturali e/o delle popolazioni delle specie per cui l'area naturale è designata. Tali aree vengono indicate come Siti di Importanza Comunitaria (SIC)


**Table 9.16** Protected areas and their classification as to level of protection / Classi relative al grado di protezione in aree protette

**Fig. 9.10** Area of Forest and Other wooded land included in different types of protected areas, at national level / Estensione del Bosco e delle Altre terre boscate, a livello nazionale, ripartita per tipo di area protetta


**Fig. 9.11** Percent of area of Forest and Other wooded land included in protected areas / Ripartizione percentuale della superficie del Bosco e delle Altre terre boscate inclusa in aree protette



**Table 9.19** Area of Short trees forest, Sparse forests and Scrublands included in protected areas / Superficie di Boschi bassi, Boschi radi e Boscaglie inclusa in aree protette


**Table 9.20** Shrubs area included in protected areas / Superficie degli Arbusteti inclusa in aree protette




**Table 9.22** Forest area included in National parks by protection level / Superficie del Bosco inclusa in Parchi nazionali, ripartita per grado di protezione



**Fig. 9.12** Percentage area of Forest into national parks by different protection levels / Ripartizione percentuale del Bosco incluso in parchi nazionali, per grado di protezione




**9.26**Forest and Other wooded land area included in Regional nature reserves / Superficie di Bosco e Altre terre boscate inclusa in Riserve

 naturali

**Table** 



**Table 9.28** Forest and Other wooded land area included in NATURA2000 sites (SCI and SPA) / Superficie di Bosco e Altre terre boscate inclusa indellaNATURA2000

 siti (SIC e


**Table 9.29** Forest and Other wooded land area included in Wetlands of international importance (Ramsar Convention) / Superficie di Bosco e Altre terreinclusainZoneumidediinteresseinternazionale(ConvenzionediRamsar)

 boscate


**Fig. 9.13** Percentage area of Forest by protection level classes comparable to MCPFE classes / Ripartizione percentuale del Bosco secondo classi del livello di protezione confrontabili con la classificazione MCPFE

# **Appendix (Italian Version)**

**Riassunto** Il valore delle foreste per gli aspetti diversi dalla produzione di legna e legname è cresciuto enormemente negli ultimi decenni con la consapevolezza dei rischi associati alla perdita delle foreste e con il riconoscimento dell'importanza della molteplicità di beni e servizi che da esse derivano. Sulla base di questa premessa, gli inventari forestali nazionali hanno ampliato il ventaglio delle variabili oggetto di stima e una parte considerevole di queste riguarda oggi aspetti di tipo naturalistico. Tra questi, la biodiversità riveste un ruolo importantissimo per le capacità di adattamento che essa offre agli ecosistemi forestali nell'ambito dei cambiamenti climatici. In questo capitolo sono presentate e commentate le stime relative alla diversità in specie rilevata da INFC2015, le stime sulle condizioni di naturalità nell'insediamento dei soprassuoli forestali e quelle sulla presenza e tipologia del legno morto. Alberi morti, ceppaie residue e legno morto a terra esprimono un potenziale molto elevato per la diversificazione delle specie, oltre al contributo offerto nell'immagazzinamento del carbonio organico. La consapevolezza in premessa è stata anche il fondamento per percorsi a tutela delle foreste di natura giuridica che hanno portato all'istituzione di aree protette diversificate per tipo e per grado; le principali statistiche relative alla protezione delle aree forestali italiane sono riportate e commentate in chiusura del capitolo.

# **Introduzione**

L'importanza della biodiversità è stata ampiamente riconosciuta sia per la funzionalità degli ecosistemi sia per la fornitura dei servizi ad essi richiesti per il benessere dell'uomo (es. Brockerhoff et al., 2017). La comunità internazionale si è impegnata per la sua conservazione sin dal 1992, con la dichiarazione di Rio de Janeiro. Si tratta di un concetto solo apparentemente semplice ed intuitivo, neppure sempre corrispondente a condizioni di naturalità (Pignatti, 1995a). Sono comunemente riconosciuti cinque livelli di biodiversità, da quella genetica a quella di regione geografica, passando per quella di specie, ecosistemica e paesaggistica (Bernetti, 2005). Il rilievo di variabili utili a descrivere la biodiversità dei boschi è stato introdotto abbastanza recentemente dagli inventari forestali nazionali (Gasparini et al., 2013) e il contributo di INFC si esplica mediante la produzione di informazioni inerenti a quattro dei cinque livelli citati. Per i tre livelli più generali, nel Chap. 7 sono state presentate le stime sulle principali formazioni forestali presenti nei territori italiani e che concorrono a caratterizzarne anche i paesaggi. Informazioni ulteriori sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC, con particolare riferimento alle statistiche sulle sottocategorie forestali. In questo capitolo vengono illustrati i risultati di INFC2015 relativi alla diversità delle specie forestali (Sect. 9.2), all'origine del soprassuolo (Sect. 9.3), alla presenza del legno morto (Sect. 9.4) e alla superficie delle aree boscate incluse in aree protette (Sect. 9.5).

La vegetazione forestale italiana presenta un elevato grado di diversità (Pedrotti, 1995). Ad essa contribuisce la grande varietà di ambienti e climi del nostro Paese che è alla base della ricchezza floristica generale (Pignatti, 1994). Nonostante la biodiversità di una determinata area non possa essere esaurientemente espressa solo con il numero di specie presenti (es. Pignatti, 1995b), questo viene considerato un suo indicatore naturale, ed è alla base di molti modelli ecologici (Gotelli & Colwell, 2001). Il numero di specie rimane, inoltre, uno degli aspetti più importanti nella valutazione naturalistica dei boschi (Pignatti & De Natale, 2011).

La naturalità dei soprassuoli forestali viene anche valutata in base all'origine delle piante che sostituiranno quelle del vecchio ciclo. Con l'accezione adottata per l'origine del soprassuolo in ambito INFC, la condizione di massima naturalità si verifica in assenza di qualsiasi intervento umano volto a favorire l'insediamento di una nuova generazione di individui. All'estremo opposto, la rinnovazione artificiale prevede l'utilizzo di materiale vegetale anche di altra provenienza e/o specie. Dal punto di vista naturalistico, l'impatto può variare sensibilmente e valgano per questo gli esempi della rinnovazione artificiale posticipata con materiale vivaistico prodotto da seme precedentemente raccolto in loco o l'impianto di popolamenti per la produzione di legno con specie esotiche. La rinnovazione a seguito di interventi selvicolturali, che denota condizioni di semi-naturalità, garantisce la conservazione degli ecotipi locali, salvo i casi in cui perpetua ad esempio una specie precedentemente introdotta artificialmente.

Il legno morto rappresenta una componente di fondamentale importanza per gli ecosistemi forestali. Esso contribuisce alla conservazione della biodiversità, svolge un ruolo chiave nel ciclo degli elementi, influenza la dinamica del bosco e l'insediamento della rinnovazione naturale, concorre alla stabilità del suolo sui pendii e lungo i corsi d'acqua (es. Paletto et al., 2012) e ostacola la formazione di valanghe (Berretti et al., 2006). Come combustibile, oltre a rappresentare una risorsa di energia, la presenza di legno morto assume rilevanza anche per il rischio e le modalità di propagazione degli incendi. I Paesi che hanno sottoscritto gli accordi per la lotta ai cambiamenti climatici sono tenuti a stimare il carbonio immagazzinato nel legno morto, poiché esso costituisce una delle cinque riserve di carbonio forestale contabilizzate (IPCC, 2003). L'inclusione del legno morto tra le variabili rilevate dagli inventariali forestali nazionali ha portato anche ad una raccolta di dati senza precedenti e proprio la disponibilità di dati rilevati su larga scala ha mostrato l'inadeguatezza dell'uso di modelli per la stima di una variabile così complessa (es. Woodall et al., 2019) e avvalorato l'importanza di una misurazione diretta.

Le aree protette rivestono un ruolo cruciale nella conservazione della biodiversità e la salvaguardia di diversi ecosistemi, tra cui le cenosi forestali (Dudley & Phillips, 2006). Gli inventari forestali nazionali, insieme alla conoscenza dei confini delle aree protette, costituiscono una fonte importante di informazione sulle foreste in aree protette. La foresta è, in molti casi, una componente essenziale, sebbene non l'unica, delle aree protette presenti sul territorio italiano.

# **Le specie legnose**

La biodiversità arborea è il presupposto all'edificazione di foreste in contesti ambientali diversi, con caratteristiche a valenza ecologica e funzionale molto diversificate, importante anche per soddisfare la molteplicità dei servizi ad esse richiesti. INFC2015 ha misurato individui (d1.30 ≥ 4.5 cm) di circa 180 specie legnose.

La Table 9.1 riporta le stime per il Bosco a livello nazionale relative al numero degli alberi, al volume legnoso e alla fitomassa arborea epigea per le 45 specie maggiormente rappresentate in termini di volume. Le specie dell'elenco sono state selezionate in modo da assicurare che in ogni regione fosse rappresentato almeno il 90% del volume complessivo dei Boschi. In inventarioforestale.org/statistiche\_INFC sono disponibili le statistiche sul numero di alberi, l'area basimetrica, il volume, l'incremento annuo, la fitomassa e il carbonio organico per categoria forestale, sia a livello nazionale sia per regione. In tutte le tabelle, le specie sono ordinate in maniera decrescente di volume, ma il gruppo "altre specie" è sempre riportato in fondo all'elenco. Questa voce rappresenta la classe residuale oltre la quarantacinquesima e può contenere un insieme di specie diverso nelle varie tabelle.

Le Figs. 9.1, 9.2 e 9.3 illustrano le frequenze cumulate, per il Bosco a livello nazionale, rispettivamente del numero di alberi, del volume e della fitomassa arborea epigea. Esse consentono di evidenziare che l'85% del volume e della biomassa arborea epigea è dovuto a 17 specie che, ad eccezione del pino laricio, sono anche tra le 27 specie che assicurano l'85% del numero di alberi. Le stesse specie sono le più importanti anche in termini di incremento di volume annuo, coerentemente con l'importanza del volume quale variabile predittiva principale nella stima dell'incremento (Bevilacqua, 1999; Gasparini et al., 2017); nel complesso, alle 17 specie principali si deve l'80% dell'incremento di volume annuo.

La specie più rappresentata nel paesaggio forestale italiano è il faggio; esso rappresenta il 10.8% del numero di alberi, il 15.2% dell'area basimetrica, il 18.1% del volume legnoso, il 20.7% della biomassa arborea epigea e il 14.2% dell'incremento annuo di volume. La seconda specie più rappresentata in termini di area basimetrica, volume, biomassa arborea epigea e incremento è l'abete rosso, che contribuisce con il 3.4% in numero di alberi, il 10.2% in area basimetrica, il 15.3% in volume, l'11.1% in biomassa e l'11.8% in incremento annuo di volume. Seguono il castagno e il cerro, anche se in ordine di importanza invertito per quanto riguarda il contributo in biomassa arborea epigea. Il castagno è presente con il 6.2% degli alberi, il 9.6% dell'area basimetrica, il 9.0% del volume, l'8,1% della biomassa arborea epigea e il 9.9% dell'incremento annuo di volume. Il cerro contribuisce per il 7.6% degli alberi totali, l'8.2% dell'area basimetrica, l'8.1% del volume, il 9.4% della biomassa e il 9.2% dell'incremento. Faggio, abete rosso, castagno e cerro assicurano nell'insieme poco più del 50% del volume legnoso e della biomassa arborea epigea del Bosco in Italia, nonché il 45.5% della produzione annua di volume. Le quattro specie caratterizzano ognuna una categoria forestale, nella quale rappresentano una quota dell'area basimetrica totale variabile ma sempre piuttosto elevata, dal 76.6% del cerro nella categoria delle Cerrete, boschi di farnetto, fragno e vallonea all'89.0% per il faggio nella categoria delle Faggete. La Fig. 9.4 mostra la ripartizione dell'area basimetrica delle quattro specie nelle diverse categorie del Bosco; il grafico presenta accorgimenti utili a dare risalto alle categorie dei Boschi alti e ad agevolare la lettura per i valori di percentuale bassi. L'insieme delle specie cui si deve l'85% del numero di alberi è naturalmente più ampio di quello ad esempio del volume, per il contributo di specie minori spesso allevate a ceduo o che si trovano in mescolanza in soprassuoli con quella forma di governo.

Fra le 45 specie elencate, ne compaiono alcune esotiche e tra queste è particolarmente degna di nota la robinia, non soltanto perché è ormai da tempo naturalizzata ma perché contribuisce in maniera non irrilevante al numero di alberi (2.5% del numero totale), al volume legnoso (1.6% del volume totale), alla fitomassa arborea epigea (1.9% del totale) e all'incremento annuo di volume (2.7% del totale); gli eucalipti (0.3% del volume totale e 0.6% dell'incremento totale annuo del Bosco) e la douglasia (0.6% del volume totale e 0.6% dell'incremento), impiegate nei rimboschimenti o negli impianti di arboricoltura da legno, hanno una presenza più contenuta.

# **Origine dei soprassuoli**

Per origine del soprassuolo, INFC considera la naturalità della rinnovazione in relazione all'intensità degli interventi colturali. Sono distinte tre classi, descritte in Table 9.2. Le Tables 9.3 e 9.4 mostrano le stime di superficie per il Bosco e le Altre terre boscate secondo l'origine del soprassuolo. Le Tables 9.5 e 9.6 mostrano le corrispondenti statistiche per i Boschi alti e per gli Impianti di arboricoltura da legno. Le Tables 9.7 e 9.8 mostrano le statistiche per le categorie inventariali delle Altre terre boscate. Le statistiche sull'origine dei soprassuoli per le categorie forestali dei Boschi alti sono disponibili all'indirizzo inventarioforestale.org/statistiche\_INFC.

La gran parte dei soprassuoli del Bosco italiano ha un'origine seminaturale; l'insediamento di una nuova generazione di alberi è, quindi, stato perseguito e/o favorito mediante interventi di natura selvicolturale. La proporzione di superficie del Bosco con queste caratteristiche ammonta al 68.0% a livello nazionale e la prevalenza è osservabile in tutte le regioni con l'unica eccezione della Sicilia, dove la classe di origine naturale interessa una aliquota maggiore di quella seminaturale (36.8% contro 27.7%). La Calabria e la Puglia sono le uniche altre due regioni dove la quota dei soprassuoli di origine seminaturale non supera il 50% del Bosco, anche se il dato se ne discosta di poco (rispettivamente 48.8% e 48.4%). La classe di origine naturale dei soprassuoli è stata riscontrata sul 17.1% della superficie del Bosco; anche per essa si registra una variabilità piuttosto elevata tra le regioni, ma rimane in genere la classe più estesa dopo quella dell'origine seminaturale, con l'unica eccezione del Molise, dove presenta valori di poco inferiori rispetto ai soprassuoli di origine artificiale. In questa classe rientrano i soprassuoli originatisi spontaneamente dopo eventi catastrofici, come ad esempio gli incendi, ma anche quelli legati alle successioni primarie e secondarie che sono importanti per l'espansione della superficie forestale.

Il confronto tra la Fig. 9.5, che mostra la ripartizione della superficie del Bosco secondo le tre classi di origine del soprassuolo adottate, e la Fig. 9.6, che mostra la stessa ripartizione per le Altre terre boscate, permette di evidenziare un'inversione di frequenza generalizzata tra le classi di origine seminaturale (prevalente nel Bosco) e naturale (prevalente nelle Altre terre boscate) sebbene si debba tener conto di un'incidenza non trascurabile della superficie non classificata per l'origine dei soprassuoli delle Altre terre boscate. In linea generale, però, sembra possibile ipotizzare un contributo cospicuo alla marcata naturalità dell'origine nelle Altre terre boscate dei processi di colonizzazione delle specie legnose su terreni divenuti marginali e non più coltivati, su cui sono ancora limitati gli interventi antropici (fanno eccezione il Molise e la Sardegna) per favorire la rinnovazione. Parte di questi terreni potranno evolvere verso l'edificazione di boschi veri e propri ed è proprio nell'ambito di questa dinamica che può essere spiegata anche una parte della superficie del Bosco nella classe di origine naturale del soprassuolo. Si tratta di una classe di transito determinata dal tempo più o meno lungo che può intercorrere tra il raggiungimento delle soglie adottate nella definizione di Bosco, sufficiente perché si passi dalle Altre terre boscate al Bosco, al momento di convenienza alle operazioni selvicolturali. La classe di origine artificiale è stata riscontrata su una superficie del 6.3% del Bosco a livello nazionale e sotto questa soglia si attesta la gran parte delle regioni; il dato della Sicilia si distingue nettamente sia perché presenta il valore massimo in percentuale rispetto alle altre regioni (27.4% della superficie del Bosco), sia perché arriva quasi ad equiparare quello dell'origine seminaturale (27.7%). Come atteso, nelle Altre terre boscate è stata riscontrata una quota molto limitata di soprassuoli con origine artificiale, quando non del tutto assente.

# **Il legno morto**

INFC2015 ha stimato le tre componenti di legno morto degli alberi morti in piedi, del legno morto grosso a terra e delle ceppaie residue (Fig. 9.7) secondo soglie dimensionali genericamente in linea con quelle raccomandate per le rendicontazioni internazionali (es. FAO, 2018) e insieme afferenti al legno morto grosso o coarse woody debris. Per le tre componenti, INFC2015 ha stimato il volume, la necromassa e il contenuto di carbonio organico immagazzinato; degli alberi morti in piedi e delle ceppaie residue è stata stimata anche la numerosità. Di seguito vengono riportate e commentate le stime relative al numero e al volume degli alberi morti in piedi (Tables 9.9 e 9.10) e al numero e al volume delle ceppaie residue (Tables 9.11 e 9.12), al volume del legno morto grosso a terra (Table 9.13) e del legno morto grosso totale (Table 9.14), nella macrocategoria Bosco. In inventarioforestale.org/sta tistiche\_INFC sono disponibili statistiche analoghe per le categorie forestali; inoltre, sono disponibili le statistiche relative alla necromassa e al contenuto di carbonio delle tre componenti di legno morto, sia per le categorie inventariali sia per le categorie forestali.

Nel Bosco italiano ci sono 1.37 miliardi di alberi morti in piedi, per un valore medio ad ettaro di 150.3. Si tratta di una quantità pari all'11.9% del numero degli alberi vivi; questa percentuale è piuttosto variabile tra le diverse regioni (dal 2.5% della Puglia al 20.7% della Liguria), ma se si rappresentano su un grafico i dati regionali del numero di alberi morti rispetto a quello degli alberi vivi rimane la possibilità di interpolare piuttosto efficacemente la relazione positiva secondo una funzione potenza (Fig. 9.8). In termini di volume, gli alberi morti in piedi corrispondono a 67.3 milioni di metri cubi di legno, con un valore per ettaro pari a 7.4 m3. Il legno morto grosso a terra rappresenta la seconda componente per abbondanza del Bosco, con un valore complessivo di 51.8 milioni di m3, corrispondenti a 5.7 m3 ha−1. La presenza di ceppaie residue è più contenuta, con 783.8 milioni di ceppaie totali (86.3 ceppaie per ettaro) ed un volume totale di 14.0 milioni di m3 (1.5 m3 ha−1).

Per i valori ad ettaro nelle categorie forestali dei Boschi alti, si osserva che la componente di legno morto più abbondante è in genere quella del legno grosso a terra nei boschi di conifere, mentre prevale quella degli alberi morti in piedi nei boschi di latifoglie (Fig. 9.9); fanno eccezione le Pinete di pini mediterranei, gli Altri boschi di conifere e i Boschi igrofili. Dai dati sulle categorie forestali emerge il valore particolarmente elevato di legno morto grosso dei Castagneti. In essi è molto alto il numero di piante morte, pari a 486.5 per ettaro in media, rispetto, ad esempio, ai 193.9 degli Ostrieti e carpineti, che pure sono la seconda categoria nella classifica; il volume degli alberi morti in piedi è di 28.6 m3 ha−1, che corrisponde a più del doppio di quello di qualsiasi altra categoria, ma anche il volume del legno morto grosso a terra è considerevole soprattutto rispetto alle altre categorie tipicamente di latifoglie. La posizione dei Castagneti in merito al legno morto conferma una condizione già evidenziata da INFC2005 ed è stato osservato come essa possa dipendere dalle gravi patologie che affliggono la specie (Pignatti & De Natale, 2011). In linea generale, si può osservare che i boschi di conifere alpine sono i più ricchi di legno morto grosso e per quelli di latifoglie valori analoghi si riscontrano, oltre che per i Castagneti di cui si è già detto, anche per i Boschi igrofili; questi sono particolarmente ricchi di legno morto grosso a terra (11.5 m3 ha−1) ma presentano anche un valore elevato per gli alberi morti in piedi, secondo solo ai Castagneti nell'ambito delle categorie a latifoglie (8.3 m3 ha−1). Il volume delle ceppaie residue è particolarmente elevato nei boschi alpini delle categorie dei Boschi di Larice e cembro, Abete rosso e Abete bianco; a questa occorrenza contribuiscono le pendenze elevate dei versanti che determinano altezze delle ceppaie (ad esempio alla linea di taglio) basse a monte ma considerevoli a valle.

L'abbondanza relativa delle tre componenti di legno morto grosso può naturalmente essere esaminata anche sulla base delle rispettive necromasse. Numerosità e volumi hanno maggiore attinenza con le funzioni ecologiche legate alla biodiversità e ad altre funzioni naturalistiche mentre la biomassa consente una valutazione più pertinente sul contributo nell'accumulo di carbonio organico, cui è dedicato il capitolo 12. Naturalmente, le abbondanze relative delle tre componenti di legno morto commentate in questo paragrafo possono variare in maniera non trascurabile quando il confronto viene basato sui valori corrispondenti di necromassa, a causa delle variazioni di densità basale che intervengono con il gruppo di specie e con la classe di decadimento del legno.

# **Superficie forestale e aree protette**

L'appartenenza di un punto inventariale a un'area protetta è stata declinata come presenza di vincolo naturalistico. I principali riferimenti normativi di definizione delle aree naturali protette e del conseguente vincolo naturalistico sono la Legge quadro sulle aree protette n. 394/91, a livello nazionale, e le Direttive 79/409/CEE ("Uccelli") e 92/43/CEE ("Habitat") a livello europeo. A questi va aggiunta la "Convenzione sulle zone umide di importanza internazionale come habitat degli uccelli acquatici e palustri", firmata a Ramsar nel 1971 e resa esecutiva dal DPR n. 448/76. I diversi tipi di aree protette individuati da tali norme, e le relative definizioni, sono riportate in Table 9.15, mentre in Table 9.16 vengono definite, per i parchi nazionali e i siti della rete Natura2000, le classi relative al grado di protezione.

INFC2015 stima in 3.5 milioni di ettari la Superficie forestale ricadente in aree protette, pari al 31.8% della Superficie forestale nazionale, di cui 2.8 milioni di ettari nel Bosco e quasi 700,000 ha nelle Altre terre boscate (Table 9.17). La Fig. 9.10 mostra l'area di Bosco e Altre terre boscate inclusa nei diversi tipi di aree protette. In base alla classificazione nazionale, diverse tipologie di tutela possono coesistere su una stessa superficie. Ad esempio, i siti della Rete Natura2000 ospitano complessivamente 3 milioni di ettari di superficie forestale (2.4 milioni di ettari in Bosco, circa 600,000 ha in Altre terre boscate) spesso inclusa anche in parchi e riserve nazionali o regionali. L'aliquota di foreste protetta (Fig. 9.11) è ragguardevole in tutte le regioni italiane, ma si osserva che la percentuale di Bosco interessata da vincoli naturalistici è più elevata in alcune regioni del centro e sud Italia, superando il 50% in Puglia, Campania, Sicilia e Abruzzo. Le regioni dell'Arco alpino, caratterizzate da un indice di boscosità più elevato, registrano percentuali più basse di Bosco in aree protette, con l'eccezione del Veneto che ne ospita il 42.9%.

La presenza di vincolo naturalistico viene ulteriormente dettagliata, per le categorie inventariali, nelle Tables 9.18, 9.19 e 9.20, dalle quali si evince che tutte le categorie inventariali presentano un'aliquota di superficie simile appartenente ad area protetta, variabile tra il 30% e il 35%, a eccezione degli Impianti, che presentano il 23.4% di superficie con vincolo naturalistico. Analoghe statistiche relative alle categorie forestali, ripartite per i diversi tipi di aree protette, sono disponibili in inventarioforestale.org/statistiche\_INFC.

La Superficie forestale all'interno dei parchi nazionali è di circa 920,000 ha: 725,000 ha in Bosco (8.0%) e 195,000 ha in Altre terre boscate (9.9%) (Table 9.21). A livello di regioni, la distribuzione della Superficie forestale varia notevolmente, risentendo della ripartizione della superficie totale dei parchi nazionali. L'aliquota di Bosco in parchi nazionali è particolarmente elevata in tre regioni dell'Italia centro-meridionale, la Puglia (42.2%), l'Abruzzo (32.3%) e la Calabria (26.2%). Le Tables 9.22 (Bosco) e 9.23 (Altre terre boscate) mostrano la ripartizione della Superficie forestale ricadente in parchi nazionali per grado di protezione. La Fig. 9.12, che considera solo il Bosco, evidenzia che è la Zona C (aree di protezione) a contenerne la percentuale relativamente più alta, con il 24.0%. Sempre con riferimento al Bosco, si osserva che in tutto il territorio italiano soltanto il 56.3% della superficie risulta assegnato ad una zona specifica, mentre per il restante 43.7% manca l'attribuzione ad un grado di protezione specifico.

Le riserve naturali statali (Table 9.24) interessano appena lo 0.7% della Superficie forestale nazionale (74,963 ha) e lo 0.6% della superficie del Bosco (57,021 ha). Con riferimento al Bosco, tali superfici sono concentrate per oltre il 70% in cinque regioni: Toscana, Lazio, Veneto, Abruzzo e Calabria.

I parchi naturali regionali (Table 9.25) interessano complessivamente 713,048 ha di Superficie forestale totale, di cui 592,554 ha nel Bosco (6.5%). Anche in questo caso la ripartizione a livello di regioni è piuttosto variabile: in Sicilia e in Campania, ad esempio, è tutelato da parchi regionali rispettivamente il 28.6% ed il 24.6% del Bosco.

La Superficie forestale totale ricadente nelle riserve naturali regionali (Table 9.26) è l'1.1% (125,572 ha), con analoga percentuale per quanto riguarda il Bosco (107,906 ha). Si osservano per tutte le regioni valori molto contenuti, ad eccezione della Sicilia, dove l'11.4% del Bosco rientra in questo tipo di riserve.

Le altre aree naturali protette previste dalla Legge n.394/91 (Table 9.27) interessano soltanto lo 0.6% sia della Superficie forestale totale (60,932 ha), sia del Bosco (55,474 ha).

Le stime delle superfici incluse in siti della rete Natura 2000 (SIC e ZPS), spesso a loro volta inclusi in altri tipi di aree protette, sono riportate nella Table 9.28; complessivamente il 27.2% della Superficie forestale nazionale (3,011,119 ha) e il 26.5% del Bosco (2,408,882 ha) è localizzato all'interno di queste aree di tutela. Le regioni con le quote più consistenti, in termini relativi rispetto alla Superficie forestale, sono la Puglia (63.0%), la Campania (51.0%), l'Abruzzo (50.7%), la Sicilia (45.5%) e il Veneto (45.2%). In inventarioforestale.org/statistiche\_INFC sono disponibili statistiche di maggiore dettaglio sulle Superfici forestali in SIC e ZPS.

Le aree umide di interesse internazionale accolgono circa 5000 ettari di Superficie forestale totale (Table 9.29). Nel Bosco di tredici regioni non sono state rilevate aree umide protette dalla Convenzione di Ramsar, mentre la superficie maggiore è stata stimata nel Lazio (1473 ha).

La classificazione nazionale delle aree protette non risulta perfettamente sovrapponibile a quella proposta da MCPFE (2003); tuttavia, nella Fig. 9.13 viene mostrata la ripartizione percentuale della superficie del Bosco secondo classi del livello di protezione mutualmente esclusive, equiparabili alle analoghe classi MCPFE ed utilizzate per l'Italia a partire dal report State of Europe's Forest 2011 (Forest Europe, UNECE and FAO, 2011), per l'indicatore 4.9. Per questo tipo di classificazione, statistiche più dettagliate sono disponibili in inventarioforestale.org/statis tiche\_INFC.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 10 Forest Health**

# **Lo stato di salute delle foreste**

**Maria Rizzo and Patrizia Gasparini**

**Abstract** Forests mainly consist of long-lived trees or shrub species and are exposed to natural or human disturbances of different severities. They are essential components of the natural development of forest ecosystems, since by triggering natural selection and ecological succession processes, they can achieve the best status in terms of species composition and structure. Nevertheless, extreme events can cause serious economic or naturalistic losses and, in some cases, endanger specific forest ecosystems. Disturbance events that damage forests vary and include pests and diseases, fires, pollution, climate changes, overexploitation or inadequate silvicultural practices, excessive grazing and browsing, to name just a few. Health monitoring of forests is a necessary condition to provide useful information for the conservation of forest resources, as well as to support forest management practices aimed at increasing the resilience of forests and their adaptation capacity. Through ground surveys, the Italian national forest inventory INFC has classified the health condition of Italian forests and produced the estimates presented in the chapter. These concern the distribution of the Forest area by pathologies and damage presence, severity and cause. Estimates of the Forest area affected by defoliation, divided by defoliation class and localization of defoliation, are also presented.

**Keywords** Disturbances · Forest pathologies · Damages · Defoliation · Crown transparency

M. Rizzo (B) · P. Gasparini CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: maria.rizzo@crea.gov.it

P. Gasparini e-mail: patrizia.gasparini@crea.gov.it

© The Author(s) 2022 P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_10

# **10.1 Introduction**

Different disturbances of nature (biotic or abiotic) and intensity are an integral part of forest ecosystem dynamics (Seidl et al., 2017). The alteration of forest structure, composition and function allows young and old forests (trees) to turn over and create heterogeneity, promoting biodiversity and ecosystem renewal or reorganisation (Thom et al., 2017; White & Pickett, 1985). Nevertheless, beyond a certain limit, disturbances can cause serious ecological or economic damages, causing the interruption of some forest functions (protection, landscape, timber and wood production, etc.). A forest management policy, aimed at the prevention and mitigation of natural disturbances, is usually considered essential (Motta, 2018).

The main disturbances that can damage the health of forests, causing their degradation or limiting their functionality, can derive both from natural biotic or abiotic factors (pests, grazing and browsing, fires, windstorms, floods, severe snow, etc.) and from profound changes in the territory and the environment caused by human activities, due for example to pollution or to the excessive exploitation of the forest in terms of wood and timber utilisation or for recreational use.

Because of climate change, which triggers more and more extreme climate events (strong rainstorms, floods, windstorms, heatwaves, etc.), forest vulnerability is increasing. Today, the frequency of extreme climate events is three times higher than 50 years ago (FAO, 2021). This creates a reduction in plant defence mechanisms (Forzieri et al., 2021). Climate change can also be responsible for the spread of pathogenic species in environments where they were not present, causing worrisome epidemics of animal and plant parasites.

Forest health monitoring is a prerequisite for adequately defining forest management practices aimed at improving forest resilience and adaptation capacity. In the Italian national forest inventory, the health of forest stands is detected through the direct observation in the field of the presence of damage or pathologies on the trees included in a plot (AdS25, cf. Chap. 4) to estimate the areas of the Forest involved (Gasparini et al., 2013). Any signals are considered, both as an alteration resulting from the action of a damaging agent (e.g., lesions, necrosis, defoliation) and in the form of signs of the presence of a damage factor (nests of larva, insects, fungi, etc.). The survey refers to the presence of pathologies or damages occurring in the survey's year or previously, but whose effects are still observable.

According to INFC, pathologies and damages are considered "visible" when they affect at least 30% of the crown coverage of the analysed stand, with reference to the subjects (trees and shrubs) with DBH ≥ 4.5 cm. For these cases, in addition to the presence, the severity of the pathology or damage, the origin (which can be biotic or abiotic) and, if defoliation is present, its degree and localization on the affected trees are also assessed.

In this chapter, the estimate of the Forest area by pathology and damaging diffusion, severity and cause are presented. Estimates of Forest area affected by defoliation are also presented, by degree and localisation of defoliation. Area estimates of damage presence and diffusion for the inventory categories of Forest and the forest categories of the Tall trees forest, the latter at the national level, are also available at inventarioforestale.org/statistiche\_INFC.

# **10.2 Diffusion and Severity of Damages**

The third Italian national forest inventory INFC2015 classifies the presence of pathologies and damages according to classes of their degree of diffusion, measured as percentage of crown coverage affected: absence of damages, damages on less than 30% of the crown coverage, damages on 30–59% of the crown coverage and damages on at least 60% of the crown coverage.

Table 10.1 at the end of this chapter provides estimates on Forest area by degree of damage diffusion. Estimates show that almost 80% of the Forest area is not affected by pathologies or damage and 15.6% of the area is affected by minor damage on less than 30% of the crown coverage. Overall, the Forest area without damage or pathologies or with minor damage is equal to 94.9% of the total. The Forest area with visible (affected crown coverage 30–59%) and very visible (at least 60% crown coverage affected) damages is equal to 3.3% and 1.0% of the total, respectively.

Estimates at the regional level differ partially from national ones.<sup>1</sup> Umbria is the region least affected by damages and pathologies (99.2% of the Forest area not affected or with minor damages), followed by Molise (99.1%), Valle d'Aosta (98.6%), Basilicata (98.4%), Trentino (98.3%) and Abruzzo (98.1%). The regions most affected by visible or very visible damage are Piemonte (8.7 and 1.9% of the area, respectively), Emilia-Romagna (8.0 and 1.3%), Liguria (6.7 and 1.8%), Calabria (2.7 and 4.2%) and Sardegna (5.3 and 1.1%) (Fig. 10.1).

Damage severity was assessed by estimating the proportion of the damaged aboveground components (foliage, branches and stem) compared to the normal conditions that trees should present in that context (Table 10.2). Only permanent and lasting damage and not temporary damage (just on foliage, for example) were taken into account. The severity of the damage, as mentioned above, was assessed only in forests with visible or very visible damages (at least 30% of the crown coverage affected).

At the end of this chapter, estimates of Forest area by damage severity are given in Table 10.3. Excluding the not classified or not assessed area, the most frequent class is that of medium damage (52.8% of the assessed Forest area), followed by the class of severe damage (34.4%). At the regional level, in Molise and Basilicata the entire Forest area assessed for the severity of the damage is affected by severe damage. In Umbria and Valle d'Aosta, on the other hand, the entire assessed area is affected by medium severity damages (Fig. 10.2).

<sup>1</sup> It should be noted that the estimates presented are only partially affected by the effects of the Vaia storm in October 2018 which occurred during the survey campaign.


Absence of damages / Patologie o danni assenti

Damages on less than 30% of the crown coverage / Patologie o danni su meno del 30% della copertura

Damages on 30-59% of the crown coverage / Patologie o danni su 30-59% della copertura

Damages on at least 60% of the crown coverage / Patologie o danni su almeno 60% della copertura

**Fig. 10.1** Percentage of the Forest area by degree of diffusion of damages or pathologies / Ripartizione percentuale del Bosco per grado di diffusione di patologie o danni


**Table 10.2** Classes of damage severity / Classi di intensità di patologie e danni

1Crown, trunk, branches / Chioma, fusto, rami


del

**Fig. 10.2** Percentage of the assessed Forest area by classes of damage severity / Ripartizione percentuale della superficie del Bosco valutato per classi di intensità di patologie o danni

# **10.3 Damaging Causes**

The causes of damages and pathologies are identified by observing traces or evident signs (cf. Table 10.4). If the cause is not clearly recognisable or there is a concomitant action of several factors, none of which prevails, the class 'unknown or complex causes' is assigned. If, among many, there is a prevalent or triggering cause, then this one is indicated.

Table 10.5 gives the estimates of Forest area by damaging cause. At the national level, the main disturbances are pests and diseases caused by insects, fungi, bacteria, mycoplasma, viruses (33.8% of the assessed Forest area), followed by extreme climate events (26.5%) and forest fires on crowns (20.7%) (Fig. 10.3).

The effect of the different causes of damage is variable at the regional level. Nevertheless, the main disturbances belong to the three most relevant causes at the national level.


**Table 10.4** Damaging causes and related signs of recognition / Cause di danni o patologie e segni per la loro individuazione

**Table 10.4** (continued)


# **10.4 Defoliation and Its Localization**

If pathologies or damage effects are manifested as defoliation, then its degree and localization are observed on some representative sample trees (up to three), according to the INFC field protocol.

The degree of defoliation is defined as the level of transparency of the crown, compared to the normal conditions that trees should present in that context, for that species and in that period. It is classified according to four classes: defoliation absent or ≤10%, defoliation equal to 11–25%, 26–60% of greater than 60%. The evaluation of the localization concerns, instead, the indication of the areas of the crown affected by the defoliation (Table 10.6). It is assessed if the degree of defoliation is greater than 10%.

Tables 10.7 and 10.8 show the estimates of Forest area by degree and localization of defoliation, respectively. Forest area affected by defoliation ≤10% is equal to 34.3% of the assessed area, while the upper classes of defoliation respectively affect 24.4%, 24.6% and 16.8% of the assessed area (Fig. 10.4).

The Forest area characterized by a homogeneous distribution of defoliation over the entire canopy is equal to 66.7% of the assessed area, while 19.8% of the assessed Forest area is characterized by defoliation on the apical portion of the canopy (Fig. 10.5).


#### 456 M. Rizzo and P. Gasparini




**Fig. 10.3** Percentage of the assessed Forest area by damaging causes at the national level / Ripartizione percentuale della superficie del Bosco valutato per causa di patologie o danni, a livello nazionale




**10.8** Forest area by classes of localization of defoliation; it is assessed when more than 30% of the crown coverage is affected by damages or pathologiesthan10%ofthefoliageismissing/EstensionedelBoscoripartitolocalizzazionedelladefogliazione;vienevalutataquandopatologie

**Table** 

**Fig. 10.4** Percentage of the assessed Forest area by degree of defoliation / Ripartizione percentuale della superficie del Bosco valutato per il grado di defogliazione

**Fig. 10.5** Percentage of the assessed Forest area by localization of defoliation at the national level / Ripartizione percentuale della superficie del Bosco valutato per la localizzazione della defogliazione, a livello nazionale

# **Appendix (Italian Version)**

**Riassunto** Le foreste sono prevalentemente costituite da specie arboree o arbustive caratterizzate da un lungo ciclo vitale, durante il quale possono subire gli effetti di fattori di disturbo di origine naturale o antropica di diversa intensità. Tali fattori sono fondamentali per l'evoluzione stessa delle foreste poiché, innescando processi di selezione naturale tra specie e individui, ne favoriscono la migliore composizione e struttura. Fattori di disturbo particolarmente intensi, tuttavia, possono causare perdita di valore naturalistico o economico e, in alcuni casi, avere conseguenze gravi e mettere a rischio la sopravvivenza di interi ecosistemi forestali.

L'elenco delle possibili cause di danno alle foreste è ampio e vario: parassiti, incendi, inquinamento, cambiamenti climatici, sovra-sfruttamento o pratiche di utilizzazione inadeguate, eccessivo pascolamento o impatto degli ungulati selvatici sono alcuni esempi.

Il monitoraggio dello stato di salute delle foreste rappresenta una condizione necessaria per fornire informazioni utili per la conservazione delle risorse forestali, come pure per supportare pratiche di gestione forestale finalizzate ad aumentare la resilienza delle foreste e la loro capacità di adattamento alle avversità. Attraverso i rilievi al suolo, l'inventario forestale nazionale italiano (INFC) ha classificato lo stato di salute delle foreste italiane e prodotto le stime presentate nel capitolo. Queste riguardano la ripartizione della superficie del Bosco per presenza e diffusione di patologie o danni al soprassuolo, del loro grado di intensità e della causa. Vengono inoltre presentate le stime della superficie del Bosco interessata da defogliazione, ripartita per grado di trasparenza e localizzazione sulla chioma degli alberi interessati.

# **Introduzione**

I disturbi di diversa natura (biotica o abiotica) e intensità rappresentano una parte integrante della dinamica degli ecosistemi forestali (Seidl et al., 2017). Modificando la struttura, la composizione e la funzione, i disturbi favoriscono l'alternarsi nel tempo e nello spazio di fasi giovanili, mature e stramature e creano eterogeneità favorendo la diversità biologica e il rinnovamento o la riorganizzazione dell'ecosistema (Thom et al., 2017; White & Pickett, 1985). Oltre un certo limite, tuttavia, i disturbi possono provocare ingenti danni sia di natura ecologica sia economica, che incidono sulle funzioni del bosco (protettiva, paesaggistica, produttiva ecc.). Nella maggior parte dei casi si ritiene quindi necessario approntare una politica di gestione forestale indirizzata prevalentemente alla prevenzione ed alla mitigazione dei disturbi naturali (Motta, 2018).

Le principali minacce che possono alterare lo stato di salute delle foreste, provocandone la degradazione o limitando la loro funzionalità, sono riferibili sia a cause naturali di natura biotica o abiotica (parassiti vegetali o animali, presenza di selvaggina, incendi, alluvioni, neve abbondante, ecc.) sia a profondi cambiamenti del territorio e dell'ambiente ad opera dell'uomo, dovuti per esempio all'inquinamento o all'eccessivo sfruttamento del bosco in termini di utilizzazioni forestali o per uso ricreativo.

A causa dei cambiamenti climatici, che innescano sempre più spesso eventi meteorologici estremi (piogge intense, alluvioni, tempeste di vento, ondate di calore ecc.), la vulnerabilità delle foreste è in aumento. Gli eventi meteorologici estremi avvengono oggi con una frequenza tre volte superiore rispetto a cinquant'anni fa (FAO, 2021); questi, nel tempo, compromettono i meccanismi di difesa delle piante (Forzieri et al., 2021). I cambiamenti climatici, inoltre, possono innescare la diffusione di specie patogene in ambienti in cui non erano prima presenti, causando epidemie di parassiti animali e vegetali.

Monitorare lo stato di salute delle foreste rappresenta una condizione necessaria per definire pratiche di gestione forestale adeguate, volte a migliorare la resilienza e la capacità di adattamento alle avversità degli ecosistemi forestali. Nell'inventario forestale nazionale italiano, lo stato di salute dei soprassuoli forestali viene rilevato tramite l'osservazione diretta in campo della presenza di danni o patologie sui soggetti inclusi in un'area di saggio (AdS25, cfr. Chap. 4), al fine di stimare le superfici di Bosco interessate (Gasparini et al., 2013). Vengono considerate eventuali alterazioni conseguenti all'azione di un agente di danno (ad es. ferite, necrosi, defogliazione) o i segni della presenza di un fattore di danno o malattia (nidi di larve, insetti, corpi fruttiferi fungini, ecc.). L'osservazione si riferisce alla presenza di danni derivati da avversità verificatesi nell'anno del rilievo o precedentemente, ma i cui effetti sul soprassuolo siano ancora visibili.

Secondo INFC vengono considerati "evidenti" le patologie e i danni che riguardano almeno il 30% della copertura delle chiome all'interno dell'AdS25 (cfr. Chap. 4), con riferimento ai soggetti (alberi e arbusti) sopra la soglia di cavallettamento (d1.30 ≥ 4.5 cm). Per questi casi, oltre alla presenza, viene valutata anche l'intensità della patologia o del danno, l'origine (che può essere di natura biotica o abiotica) e, se presente defogliazione, il suo grado e la localizzazione sui soggetti interessati.

Alla fine del capitolo vengono presentate le stime della superficie del Bosco ripartita per grado di diffusione di patologie o danni, intensità e causa. Vengono inoltre presentate le stime del Bosco interessato da defogliazione, per grado e localizzazione. All'indirizzo inventarioforestale.org/statistiche\_INFC sono disponibili, inoltre, le stime di superficie relative alla ripartizione delle categorie inventariali del Bosco e delle categorie forestali dei Boschi alti, queste ultime a livello nazionale, per il grado di diffusione di patologie o danni.

# **Diffusione e intensità di patologie o danni**

Il terzo inventario forestale italiano INFC2015 classifica la presenza di patologie o danni secondo classi del loro grado di diffusione, misurato in base alla percentuale di chiome interessate: assenza di danni e patologie, danni o patologie che interessano meno del 30%, oppure il 30–59% o almeno il 60% della copertura.

La Table 10.1 in fondo al capitolo riporta le stime della superficie del Bosco ripartita per il grado di diffusione di patologie o danni. Dalle stime emerge che quasi l'80% della superficie del Bosco non è interessato da danni e che il 15.6% della superficie è interessato da danni lievi, diffusi su meno del 30% della copertura. Complessivamente la superficie del Bosco senza danni o patologie o con danni lievi è pari al 94.9% del totale. L'aliquota di superficie con danni evidenti (copertura interessata pari a 30–59%) o molto evidenti (almeno il 60% della copertura interessata) è pari rispettivamente a 3.3 e 1.0%.

Le stime a livello regionale mostrano alcune variazioni rispetto alla media nazionale2; l'Umbria risulta la regione meno interessata da danni o patologie (99.2% della superficie del Bosco non interessata da patologie e danni o con danni lievi), seguita da Molise (99.1%), Valle d'Aosta (98.6%), Basilicata (98.4%), Trentino (98.3%) e Abruzzo (98.1%). Le regioni maggiormente interessate da danni evidenti o molto evidenti risultano essere il Piemonte (8.7 e 1.9% della superficie interessata), l'Emilia-Romagna (8.0 e 1.3%), la Liguria (6.7 e 1.8%), la Calabria (2.7 e 4.2%) e la Sardegna (5.3 e 1.1%) (Fig. 10.1).

<sup>2</sup> Le stime presentate risentono solo in parte degli effetti della tempesta Vaia dell'ottobre 2018, che si verificata nel corso della campagna di rilevo.

L'intensità del danno viene valutata stimando la proporzione delle parti epigee danneggiate (chioma, rami e fusto) rispetto alle condizioni di normalità per gli individui, nel contesto osservato (Table 10.2). Vengono presi in considerazione solo i danni duraturi e non quelli temporanei come, ad esempio, i danni all'apparato fogliare. L'intensità di patologie o danni, come detto in precedenza, viene valutata solo in caso di danni evidenti o molto evidenti (almeno il 30% della copertura interessata).

Le stime di superficie del Bosco per classi di intensità del danno sono riportate nella Table 10.3 in fondo al capitolo. Non considerando la classe "non classificato", corrispondente alla superficie non valutata per il grado di intensità del danno, la classe più frequente per il Bosco risulta quella di danno medio (52.8% della superficie del Bosco valutata), mentre la classe di danno intenso interessa il 34.4%. A livello regionale, in Molise e in Basilicata la totalità della superficie del Bosco valutata per l'intensità del danno risulta interessata da danni gravi. In Umbria e in Valle d'Aosta, invece, la totalità della superficie valutata è interessata da danni di media intensità (Fig. 10.2).

# **Cause di patologie o danni**

La causa della patologia o del danno viene individuata tramite l'osservazione di tracce o segni evidenti secondo le descrizioni riportate nella Table 10.4. Qualora la causa non sia chiaramente riconoscibile, oppure in presenza dell'azione concomitante di più fattori, nessuno dei quali prevalente, viene assegnata la classe "cause ignote o complesse". In presenza di cause di danno o patologie diverse, si assegna la causa prevalente.

La Table 10.5 riporta le stime della superficie del Bosco per causa di danni o patologie. A livello nazionale le avversità più comuni sono rappresentate dagli attacchi parassitari, che interessano il 33.8% della superficie valutata, ossia della superficie con danni diffusi su almeno il 30% della copertura delle chiome; le cause di danno che seguono, in ordine di importanza per superficie interessata, sono gli eventi meteorici intensi (26.5%) e gli incendi del soprassuolo (20.7%) (Fig. 10.3).

A livello regionale l'incidenza delle diverse cause di danno o patologie è variabile, ma generalmente le principali cause di avversità appartengono ad una delle tre classi con maggiore rilevanza a livello nazionale.

# **Grado di defogliazione e sua localizzazione**

Se gli effetti della patologia o del danno si manifestano come defogliazione, il protocollo di rilievo INFC prevede di rilevarne il grado e la localizzazione su alcuni soggetti arborei campione rappresentativi (fino a tre).

Il grado di defogliazione esprime l'aliquota di foglie mancanti e viene valutato osservando il livello di trasparenza delle chiome rispetto allo stato di fogliazione normale per quella specie, in quel contesto e in quel periodo. Il grado di defogliazione viene classificato secondo quattro classi: defogliazione assente o ≤ 10%, defogliazione pari a 11–25%, 26–60% e maggiore di 60%. La localizzazione riguarda, invece, l'indicazione delle zone della chioma interessate dalla defogliazione e viene valutata quando il grado di defogliazione supera il 10% (Table 10.6).

Tables 10.7 e 10.8 riportano le stime della superficie del Bosco rispettivamente per grado e localizzazione della defogliazione. La superficie del Bosco con un grado di defogliazione inferiore o uguale a 10% risulta pari al 34.3% della superficie valutata, mentre le classi superiori di defogliazione interessano rispettivamente il 24.4%, il 24.6% e il 16.8% della superficie valutata (Fig. 10.4).

Relativamente alla localizzazione della defogliazione, il 66.7% della superficie del Bosco con defogliazione superiore a 10% è caratterizzato da una distribuzione omogenea su tutta la chioma, mentre il 19.8% è caratterizzato da defogliazione nella porzione apicale della chioma (Fig. 10.5).

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 11 Protective Function and Primary Designated Management Objective**

# **Funzione protettiva e funzione prioritaria**

# **Antonio Floris and Lucio Di Cosmo**

**Abstract** In a framework of multiple services supplied simultaneously by forests, the protection against natural hazards is one of the most important. Forests deliver conservation of natural resources, including soil and water, and other environmental services. They slow water dispersion and allow for infiltration and percolation of rainwater, which recharges soil and underground water storage. Forest cover, moreover, protects soil from wind and water erosion, avalanches and landslides. INFC collects a wide range of information related to the protective function of Italian wooded areas. This chapter shows estimates regarding such physical site characteristics, as slope, land position and aspect which, together with tree canopy coverage and terrain roughness, can condition the protective role of forests. Inventory statistics on terrain instability and hydrogeological constraint, as defined by national laws, are shown as well, the latter being a basis of most national and regional regulations on forest management. Finally, the presence of a primary designated management objective has been assessed with a particular focus on direct and indirect protection. Estimates on such attributes are shown in the last section of this chapter.

**Keywords** Terrain instability · Land position · Hydrogeological constraint · Soil protection · Forest recreation · Non-wood products · Ecosystem services

# **11.1 Introduction**

One of the main reasons for protecting forests is that they protect us. Forests have many protective functions, from a local to global scale (FAO, 2005). Such purposes have traditionally been divided into two broad categories: direct protection and indirect protection. Direct protection occurs when a forest offers protection from specific

L. Di Cosmo e-mail: lucio.dicosmo@crea.gov.it

© The Author(s) 2022 P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_11

A. Floris (B) · L. Di Cosmo

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: antonio.floris@crea.gov.it

risk factors in an area where people live or valuable objects are present (residential areas, buildings, roads, others). This is a conventional classification system, convenient in practice and broadly accepted, which classifies the forest function indirectly, through its value to the safeguarded territory and not by the function itself. Protection forests generally protect against several types of natural hazards (Dorren et al., 2004) but direct protection is local, since it is tied to the stand level (Schönenberger, 2001).

INFC assesses various functions of Italian forests. Chap. 9 provides inventory statistics on the wooded areas in protected areas, at the different levels of protection in line with national laws. This is particularly relevant for the biodiversity conservation, since forests represent the habitat of a considerable part of the flora and fauna (Fuhrer, 2000). Concerning the influence on climate, Chap. 12 shows the contribution of the aboveground woody vegetation to the carbon stock as well as estimates on the organic carbon stock annually stored by tree growth.

This chapter presents the estimates on some variables related to forest protective functions. Physical site characteristics as represented by slope, aspect and position of terrain may determine local climate conditions affecting distribution of phytocenosis on a topographical scale (De Philippis, 1961). These three variables also influence the composition and productivity of the forest, because they are closely related to soil features (depth, profile development, structure and texture) (Spurr & Barnes, 1980). Being correlated with climatic variables, slope and aspect, together with elevation, not only affect species composition, but also the productivity of stands (Stage & Salas, 2007). These variables are generally tested and included among the independent variables in growth models (e.g., Di Cosmo et al., 2020; Gasparini et al., 2017), separately or combined in complex indices (e.g., Roise & Betters, 1981; Stage, 1976).

The productive aspects are closely related to protection aspects of forests as well, because stands with different composition and productivity have different protection capabilities. This is not only due to their naturally diverse potential for protection, but also to the silvicultural techniques and the method of utilisation applied to obtain goods and ecosystem services that are themselves conditioned by composition and productivity.

It is simple to recognize the important protection effects of forests on steep slopes. Logging is generally limited or forbidden on terrains over 60% slope. However, Schönenberger and Brang (2004) reported that on steep terrain, pronounced variation in slope and aspect leads to a high variability in mesoclimate and small-scale microhabitat patterns, which increases the mutual influence between surface erosion and rockfalls on one side and forest on the other side. Viewing the relationship between terrain and stand from another perspective, we can observe that site features as represented by slope, aspect and land position originate different levels of vulnerability for soil stability to risk factors. For example, meso- and micro-climate features as affected by aspect may lead to different risk levels for causes of instability, such as snow movement (avalanches, creeping, etc.). Hence, estimates on wooded areas in the classes adopted for the three variables allow an indirect evaluation on the portion of the national territory for which forests have an important protective role (Sect. 11.2).

In Sect. 11.3, the relationship between stand and soil is observed in reverse to view the forest from a soil perspective. In fact, it is true that the forest protects the soil, but it is also true that soil stability is a prerequisite for the maintenance of forest cover. The main estimates on the wooded areas affected by different types of land instability are shown and discussed in this section. Italian national regulations have long recognised the fundamental importance of forests in the protection of soil and water. The estimates of wooded areas officially subject to hydrogeological constraint are shown and discussed in Sect. 11.4. Finally, in Sect. 11.5 estimates on the presence of forest management aimed at a primary objective are presented, including the functions of direct and indirect protection.

# **11.2 Physical Site Conditions**

The physical characteristics considered to describe the site conditions are slope, land position and aspect.

Terrain slope, namely the ratio of difference in height between two points divided by the horizontal distance between the two points, has been calculated starting from inclinations measured in the field (cf. Chap. 4). Five slope classes were adopted (Table 11.1). Tables 11.2 and 11.3 show the estimates of Forest and Other wooded land area by terrain slope classes. A total of 45.1% of Forest area in Italy is characterised by steep terrains (slope above 40%, Fig. 11.1). In Other wooded land, the percentage of steep terrain area is lower (25.1%), but there is a high incidence of not classified area (35.4%). Considering only Forest, all Alpine regions (Piemonte, Valle d'Aosta, Lombardia, Alto Adige, Trentino, Friuli-Venezia Giulia and Liguria) have steep terrain rates higher than the national average, while Puglia (48.3%) and Sardegna (35.7%) have the highest rates of Forest area with a slope below 20%.

Land position was assessed in the field by sight classification of the extended and local area. The extended land position refers to a wide surface, variable from a few hectares to tens of hectares, surrounding the sample unit; the local area land position applies to AdS25 (about 2000 m2). For both attributes five classes were adopted (Tables 11.4 and 11.5). Area estimates by extended area land position are shown in Table 11.6 (Forest) and in Table 11.7 (Other wooded land). Medium slope is the



**Table 11.2** Forest area by ground slope class / Estensione del Bosco ripartito per classi di pendenza del terreno

**Table 11.3** Other wooded land area by ground slope class / Estensione delle Altre terre boscate ripartite per classi di pendenza del terreno


#### 11 Protective Function and Primary Designated Management Objective 473

**Fig. 11.1** Percent of forest area by ground slope class / Ripartizione percentuale dell'area del Bosco per classe di pendenza del terreno


**Table 11.4** Classes of extended land position / Classi relative al tipo di giacitura dell'area estesa


prevailing position type either in Forest (53.5%) and in Other wooded land (35.2%). Figure 11.2 shows the rates of all extended land position classes for Forest. National rates are also confirmed at the regional level. A high percentage of flat land position area can be noted in Puglia (20.6%) compared to the other regions.

In regard to local area land position, area estimates by position class are given for Forest in Tables 11.8 and in Fig. 11.3, and for Other wooded land in Table 11.9. In Forest, inclined plane position prevails both at the national level, with 68.7% of total area, and in all regions.

In the field, aspect was measured standing at the sample point and aiming a magnetic compass downward along the maximum slope direction. Nine aspect classes were considered (Table 11.10), each 45° wide. Aspect class rates at the national level are rather homogeneous both in Forest, ranging from 10 to 13%, and in Other wooded land (7–9%) as shown in Tables 11.11 and 11.12. The class 'no aspect' generally occurs for low percentage of areas (2–3%).

Additional estimates about ground slope, land position and terrain aspect for the inventory categories and for the Tall trees forest types are available at https://www. inventarioforestale.org/statistiche\_INFC.

# **11.3 Terrain Instability**

Terrain instability is conditioned by site morphological characteristics, especially slope, and by soil structure and geology. Instability may occur to such an extent as to affect the stability of stands.

INFC2015 has visibly determined four types of instability during the field surveys: shallow and deep-seated landslides, water erosion and flooding, rockfall and rolling, and snowslides and avalanches (Table 11.13). At least one type of instability was



**Table 11.7** Other wooded land area by extended land position class / Estensione delle Altre terre boscate ripartite per classi di giacitura dell'area estesa


#### 11 Protective Function and Primary Designated Management Objective 477

**Fig. 11.2** Percent of Forest area by extended land position class / Ripartizione percentuale dell'area del Bosco per classe di giacitura estesa

observed on 15.2% of the national Forest area (Table 11.14 and Fig. 11.4), and at the regional level, the percentage ranges between 7.8% (Basilicata) and 26.3% (Valle d'Aosta). The most widespread instability type in Forest is rockfall and rolling (6.4% of total area).

Considering shallow and deep-seated landslides, a value much higher than the national average (3.6%) was observed in Emilia-Romagna (14.4%). The percentage of Forest area with instability due to snowslides and avalanches is very low at the national level (0.6%) and in most regions. It is noticeable in only three Alpine regions: Valle d'Aosta (5.4%), Alto Adige (5.6%) and Trentino (3.8%). In these three regions, the percent of area with the same instability causes is even higher in Other wooded land (17.6% in Valle d'Aosta, 16.9% in Alto Adige, 22.4% in Trentino; Table 11.15).

Additional estimates on hydrogeological instability concerning the inventory categories and the Tall trees forest types are available at https://www.inventarioforestale. org/statistiche\_INFC.

# **11.4 Hydrogeological Constraints**

The milestone Italian framework law for forests protection and management is the Royal Decree No. 3267/23, which contains the rules regarding the hydrogeological **Table 11.8** Forest area by local land position class / Estensione del Bosco ripartito per classi di giacitura dell'area locale


#### 11 Protective Function and Primary Designated Management Objective 479

**Fig. 11.3** Percent of Forest area by local land position class / Ripartizione percentuale dell'area del Bosco per classe di giacitura locale

constraints among its main objectives. This legal framework was later completed with other state and regional norms, to adapt to changing needs. The purpose of the hydrogeological constraint is to preserve the physical environment by avoiding forest utilisation practices that could bring about denudation, trigger erosion and cause loss of stability, disturb the water regimen or have the potential for other public damage. Nevertheless, the hydrogeological constraint does not preclude the possibility of intervention in forest areas, but places limits on owners, such as the necessity of authorisation for the transformation of forests into other types of cultivation and for the transformation of undisturbed terrain into terrain subjected to periodic tilling. Forest management on constrained terrains, moreover, must be conducted according to modalities defined by the so-called Overall and Forest Police Regulations.

Table 11.16 indicates the presence of hydrogeological constraints on the greater part of the total wooded area in Italy (80.1%). These constraints regard above all the Forest, where they are applicable to 86.6% of the area, while for Other wooded land the constrained area rate is 50.0%. The percentage of constrained Forest area is very high, with values above 95% in some regions of North and Central Italy (Fig. 11.5): Trentino, Alto Adige, Umbria, Toscana. Among the other regions, Sardegna is an exception, with only 51.6% of the Forest area subjected to hydrogeological constraints.




**Table 11.11** Forest area by class of aspect / Estensione del Bosco ripartito per classi di esposizione



**Table 11.11** (continued)

Other estimates on hydrogeological constraint in wooded areas, for the inventory categories and for Tall trees forest types are available at https://www.inventariofores tale.org/statistiche\_INFC.

# **11.5 Primary Designated Management Objective**

During the field surveys, INFC2015 collected data on the presence of a primary designated management objective as a component of attributes related to sylviculture and management. Such data was obtained by direct assessment, planning documents and interviews with local forest technicians. Table 11.17 shows the eight classes adopted for primary management objectives and their definitions. Estimates about the presence of a primary function in Forest are shown in Table 11.18, while Fig. 11.6 shows the percentage of Forest area with a primary function, at regional and national levels.



**Table 11.12**

(continued)

#### 11 Protective Function and Primary Designated Management Objective 485


**Table 11.13** Classes of terrain instability / Classi relative ai tipi di dissesto


**Table 11.13** (continued)

In Italy, 86.8% of the Forest area has no primary designated management objective. The rate of Forest area with a primary objective exceeds 20% only in four regions: Valle d'Aosta, Lombardia, Umbria and Sardegna. Among the considered management objectives, wood and timber production has the highest rate nationwide, 6.7% of the total area, followed by nature conservation with 2.1%. The protective function, both direct and indirect, occurs only on 2.1% of Forest area at the national level, but the Forest area percentage is rather high in Valle d'Aosta (23.7%) and in Alto Adige (11.5%). Forest area primarily managed for recreation is negligible nationwide, while non-wood products (1.3% Forest area at the national level) mark a notable percent of Forest area only in Sardegna due to cork production (10.1%). Further estimates on the presence of a primary designated management objective,


**Fig. 11.4** Percent of Forest area by terrain instability class / Ripartizione percentuale dell'area del Bosco per classe di dissesto idrogeologico

for the inventory categories of Forest, are available at https://www.inventariofores tale.org/statistiche\_INFC.

The percentage of Forest area where one management objective is predominant, is very low. This information, coupled with the wide presence of hydrogeological constraints, as discussed in Sect. 11.4, shows that a determinant role in protecting soil and water resources is recognized in forests regardless of a primary designated objective, which confirms how forest management in Italy is oriented towards ensuring the multifunctional role of forests.




**Fig. 11.5** Percent of Forest and Other wooded land area by presence of hydrogeological constraints / Ripartizione percentuale dell'area del Bosco e delle Altre terre boscate con presenza di vincolo idrogeologico

**Table 11.17** Classes of primary designated management objective / Classi relative alla funzione prioritaria



**Table 11.17** (continued)


**Table 11.17** (continued)

# **Appendix (Italian Version)**

**Riassunto** Nel contesto dei molteplici servizi erogati dalle foreste, la protezione dai rischi naturali è uno dei più importanti. Le foreste assicurano la conservazione delle risorse naturali, tra cui suolo e acqua, oltre ad altri servizi ambientali. Esse rallentano il deflusso superficiale dell'acqua, favoriscono l'infiltrazione e la percolazione delle piogge e la conseguente ricostituzione delle riserve di acqua nel sottosuolo. La copertura forestale, inoltre, protegge il suolo dall'erosione, da valanghe e smottamenti. INFC raccoglie molte informazioni sulla funzione protettiva delle aree boscate italiane. Questo capitolo illustra le statistiche inventariali su alcune caratteristiche fisico–stazionali, quali pendenza, giacitura ed esposizione che, insieme al grado di copertura delle chiome e all'accidentalità del terreno, possono condizionare il ruolo protettivo della foresta. Vengono inoltre presentati i risultati di INFC2015 relativi al dissesto idrogeologico e al vincolo idrogeologico come definito dalla normativa nazionale, nel cui rispetto sono state emanate altre norme nazionali e regionali inerenti alla gestione delle foreste. Nell'ultima sezione di questo capitolo, infine, sono presentate le stime di superficie relative alla presenza di funzioni prioritarie che condizionano la selvicoltura e la gestione forestale, con particolare riguardo alla funzione protettiva diretta e indiretta.

# **Introduzione**

Una delle principali ragioni per le quali dobbiamo proteggere le foreste è che esse ci proteggono. Le foreste assolvono a molteplici funzioni protettive, dalla scala locale fino a quella globale (FAO, 2005). Tali funzioni sono state tradizionalmente ascritte


**Fig. 11.6** Percent of Forest area by primary designated management objective / Ripartizione percentuale dell'area del Bosco per funzione prioritaria

alle due grandi categorie della protezione diretta e di quella indiretta. Si parla di funzione protettiva diretta in tutti quei casi in cui un bosco pone a riparo da specifici fattori di rischio una porzione di territorio caratterizzata da un certo grado di antropizzazione (centri abitati, edifici, strade, ecc.). Si tratta di un criterio di classificazione convenzionale, molto utile ai fini pratici e di generale accettazione, mediante il quale la funzione svolta dal bosco è classificata in maniera indiretta, attraverso l'importanza del territorio salvaguardato e non in sé stessa. I boschi di protezione di solito proteggono da più tipi di rischio (Dorren et al., 2004) ma la funzione protettiva diretta ha un rilievo locale, ancorato alla dimensione di un soprassuolo specifico (Scho¨nenbergher, 2001).

INFC contribuisce alla valutazione dei vari servizi forniti dal bosco in Italia. Il Chap. 9 riporta le statistiche sulla superficie forestale in aree protette, ai vari gradi di protezione previsti dalla normativa nazionale, che ha una rilevanza prevalente per la conservazione della biodiversità, poiché le foreste costituiscono l'habitat di una parte considerevole della flora e della fauna (Führer, 2000). Per quanto riguarda lo stoccaggio del carbonio organico, il Chap. 12 riporta il contributo della componente legnosa epigea e la quantità di carbonio annualmente immagazzinata dagli alberi con la crescita.

In questo capitolo vengono illustrati i risultati relativi a diverse variabili correlate alle funzioni protettive del bosco. Le condizioni fisico-stazionali rappresentate dalla pendenza, dall'esposizione e dalla giacitura del terreno possono determinare caratteristiche del clima locale con un effetto distributivo delle fitocenosi a scala topografica (De Philippis, 1961). Queste tre variabili influenzano la composizione e la produttività dei soprassuoli anche in virtù della stretta relazione con le caratteristiche del suolo (profondità, profilo, struttura e tessitura) (Spurr & Barnes, 1980). Per la loro correlazione con le variabili climatiche, pendenza ed esposizione, insieme alla quota, influiscono non solo sulla composizione ma anche sulla produttività dei soprassuoli (Stage & Salas, 2007); tali variabili sono perciò generalmente incluse tra quelle esplicative nei modelli di incremento (es. Di Cosmo et al., 2020; Gasparini et al., 2017), singolarmente o combinate in indici complessi (es. Roise & Betters, 1981; Stage, 1976). Gli aspetti produttivi citati sono strettamente attinenti a quelli della protezione, perché è da considerare che i soprassuoli con caratteristiche compositive e produttive differenti esplicano protezione in misura diversa. Ciò è dovuto non solo al loro diverso potenziale intrinseco di capacità protettiva, ma anche alle forme di gestione e agli usi cui sono sottoposti concretamente per l'ottenimento dei beni e servizi ecosistemici, che dipendono ancora una volta dalla composizione e dalla produttività. L'azione positiva del bosco sui versanti acclivi è di facile intuizione. Le utilizzazioni sono di solito limitate o precluse su pendenze oltre il 60%. Tuttavia, Schönenberger and Brang (2004) hanno potuto evidenziare come, in contesti particolarmente difficili, la variabilità di mesoclima e di microhabitat indotta a scala locale dalle variazioni nella pendenza e nell'esposizione sono capaci di accrescere le reciproche influenze tra l'erosione superficiale e il rotolamento di massi da una parte e il bosco dall'altra. Analizzando la relazione suolo-soprassuolo da una prospettiva leggermente diversa, si può osservare che dalle condizioni stazionali legate a pendenza, esposizione e giacitura consegue un diverso grado di vulnerabilità del terreno ai fattori di rischio per la stabilità. Le condizioni meso- e micro-climatiche determinate dall'esposizione, per esempio, possono avere effetti anche su alcuni tipi di dissesto come le valanghe e le slavine. Le statistiche sulla superficie forestale nelle varie classi delle tre variabili considerate permettono, quindi, una valutazione indiretta sulla porzione di territorio nazionale per cui le aree boscate esplicano una importante funzione protettiva del suolo (Sect. 11.2). La Sect. 11.3 considera la relazione foresta-suolo a partire dal suolo. Se è vero, infatti, che le foreste proteggono il suolo è anche vero che la stabilità del suolo su cui insiste la foresta è a sua volta condizione necessaria per la conservazione della copertura forestale. Vengono presentate e commentate le stime relative ai fenomeni di dissesto osservati nelle aree forestali, che possono condizionare o pregiudicare la stabilità del soprassuolo. La normativa italiana ha riconosciuto da molto tempo il ruolo primario della funzione protettiva della foresta nei riguardi del suolo e delle acque. Le stime sulla superficie forestale sottoposta alla tutela di legge del vincolo idrogeologico sono illustrate e discusse nella Sect. 11.4. Nella Sect. 11.5, infine, vengono presentate le stime relative alla presenza di una gestione del Bosco finalizzata ad una funzione prioritaria; tra le possibili funzioni, in fase di rilievo al suolo INFC valuta in maniera esplicita anche quella protettiva diretta e indiretta.

# **Condizioni fisiche delle stazioni**

I caratteri fisici considerati da INFC per descrivere le condizioni stazionali sono la pendenza, la giacitura e l'esposizione.

La pendenza del terreno, vale a dire il rapporto tra il dislivello e la distanza orizzontale tra due punti, espresso in percentuale, è stata calcolata a partire dalle misurazioni in campo dell'inclinazione (cfr. Chap. 4). La ripartizione delle superfici stimate è avvenuta secondo cinque classi di pendenza, descritte nella Table 11.1. Le Tables 11.2 e 11.3 riportano le stime della superficie di Bosco e Altre terre boscate ripartiti secondo le classi di pendenza del terreno. Il 45.1% della superficie del Bosco in Italia è caratterizzata da valori di pendenza elevati, superiori al 40% (Fig. 11.1). Nelle Altre terre boscate, l'aliquota di terreni in queste condizioni di pendenza è risultata più bassa (25.1%), ma si deve notare che l'aliquota di superficie priva di classificazione è piuttosto elevata (35.4%). Considerando solo il Bosco, tutte le regioni dell'Arco alpino (Piemonte, Valle d'Aosta, Lombardia, Alto Adige, Trentino, Friuli-Venezia Giulia e Liguria) hanno aliquote di terreno a pendenze maggiori del 40% più alte della media nazionale, mentre la Puglia, con il 48.3%, e la Sardegna, con il 35.7%, sono le regioni con le aliquote maggiori di superficie con pendenza inferiore al 20%. Altre tabelle con le stime di superficie per le classi di pendenza di tutte le categorie inventariali e delle categorie forestali dei Boschi alti sono disponibili all'indirizzo https://www.inventarioforestale.org/statistiche\_INFC.

La giacitura è stata valutata durante i rilievi in campo tramite classificazione a vista, sia per l'area estesa sia per quella locale. La giacitura estesa si riferisce ad una superficie piuttosto ampia, variabile da qualche ettaro ad alcune decine di ettari circostanti l'unità di campionamento; la giacitura locale riguarda AdS25 (circa 2000 m2). Per entrambi i livelli sono state distinte cinque classi (Tables 11.4 e 11.5). Le stime di superficie secondo le classi di giacitura dell'area estesa sono riportate in Table 11.6 (Bosco) e in Table 11.7 (Altre terre boscate). La giacitura di medio versante è quella prevalente sia per il Bosco (53.5%) sia per le Altre terre boscate (35.2%). La Fig. 11.2 mostra le aliquote delle classi di giacitura estesa per regione, per la superficie del Bosco. Quanto osservato per l'ambito nazionale trova analogia anche a livello regionale; si può notare per la Puglia una percentuale di superficie con giacitura pianeggiante (20.6%) elevata rispetto alle altre regioni. Riguardo alla giacitura locale, le stime per classi di giacitura sono fornite nelle Tables 11.8 e 11.9 rispettivamente per il Bosco e per le Altre terre boscate. Nella Fig. 11.3 si osserva come nel Bosco la forma di giacitura locale più diffusa sia quella su piano inclinato, che interessa il 68.7% della superficie. Tale forma è la prevalente, in misura analoga, in tutte le regioni.

L'esposizione è stata rilevata in campo mediante lettura dell'azimut magnetico, orientando la bussola dal punto di campionamento lungo la linea di massima pendenza del versante, verso valle. Sono state considerate nove classi di esposizione, ciascuna ampia 45° (Table 11.10). A livello nazionale le classi di esposizione sono ripartite omogeneamente sia per il Bosco, dove la superficie in ciascuna classe è compresa tra il 10% e il 13% di quella totale, sia per le Altre terre boscate, con variazione tra il 7% e il 9%, come riportato nelle Tables 11.11 e 11.12. La classe "Nessuna esposizione" rappresenta sempre un'aliquota molto bassa, attorno al 2–3% della superficie totale del Bosco o delle Altre terre boscate.

Stime di maggior dettaglio su pendenza, giacitura ed esposizione, relative alle categorie inventariali del Bosco e delle Altre terre boscate, e alle categorie forestali dei Boschi alti, sono disponibili all'indirizzo https://www.inventarioforestale.org/sta tistiche\_INFC.

# **Dissesto idrogeologico**

Pendenza e altre caratteristiche morfologiche del sito, struttura e composizione del suolo e degli strati geologici sottostanti sono tra gli aspetti più importanti per la vulnerabilità del territorio al dissesto idrogeologico. Il dissesto idrogeologico può manifestarsi in entità tale da costituire pregiudizio per la stabilità del soprassuolo arboreo. INFC2015 ha stimato la presenza di quattro tipi di dissesto, valutata a vista durante i rilievi in campo: frane e smottamenti, erosione idrica e fenomeni alluvionali, caduta o rotolamento di pietre, slavine e valanghe (Table 11.13).

Almeno un tipo di dissesto risulta essere presente sul 15.2% della superficie del Bosco a livello nazionale (Table 11.14 e Fig. 11.4), con ripartizione regionale compresa fra il 7.8% della Basilicata e il 26.3% della Valle d'Aosta. La causa di dissesto più diffusa è la caduta o rotolamento di pietre (6.4%). In Emilia-Romagna, frane e smottamenti interessano il 14.4% della superficie, valore molto più alto della media nazionale (3.6%). L'aliquota di superficie del Bosco interessata da valanghe e slavine è molto bassa a livello nazionale (0.6%) e nella maggior parte delle regioni, ma diventa apprezzabile in tre regioni alpine: Valle d'Aosta (5.4%), Alto Adige (5.6%) e Trentino (3.8%). Nelle stesse regioni, l'area è ancora più estesa nelle Altre terre boscate (17.6% in Valle d'Aosta, 16.9% in Alto Adige, 22.4% in Trentino; Table 11.15). In https://www.inventarioforestale.org/statistiche\_INFC sono disponibili statistiche sulle forme di dissesto idrogeologico riguardanti tutte le categorie inventariali del Bosco e delle Altre terre boscate e le categorie forestali dei Boschi alti.

# **Vincolo idrogeologico**

Il primo quadro normativo di riferimento a livello nazionale per la gestione delle risorse forestali è dato dalle disposizioni a tutela dei boschi per fini idrogeologici contenute nel R.D.L. n.3267/23, successivamente integrato da altre norme dello Stato e delle Regioni al fine di adeguare le disposizioni di legge alle mutate esigenze. Lo scopo della normativa sul vincolo idrogeologico è quello di impedire forme di utilizzazione dei terreni di qualsiasi natura e destinazione, ma con riferimento particolare ai boschi, che possano causare danno pubblico determinato da denudazioni, perdita di stabilità e turbamento del regime delle acque. Il vincolo idrogeologico, pur non precludendo la possibilità di realizzare interventi nelle aree forestali, impone ai proprietari l'ottenimento di autorizzazione per la trasformazione dei boschi in altri tipi di coltura e per la trasformazione di "terreni saldi in terreni sottoposti a periodica lavorazione". La gestione del bosco nei terreni vincolati, inoltre, deve rispettare le modalità definite dalle cosiddette Prescrizioni di Massima e di Polizia Forestale.

La Table 11.16 evidenzia che il vincolo idrogeologico è presente su gran parte della superficie forestale italiana (80.1%). Il vincolo riguarda soprattutto il Bosco, dove è presente sull'86.6% della superficie, mentre per le Altre terre boscate la superficie soggetta a vincolo è pari al 50.0%. La percentuale di Bosco soggetta a vincolo idrogeologico è molto alta, con valori superiori al 95% in alcune regioni del nord e centro Italia (Fig. 11.5): Trentino, Alto Adige, Umbria, Toscana. Un'eccezione è rappresentata dalla Sardegna, dove soltanto il 51.6% della superficie del Bosco è sottoposta a vincolo idrogeologico.

Altre statistiche sulla presenza di vincolo idrogeologico a livello di tutte le categorie inventariali e delle categorie forestali dei Boschi alti sono disponibili all'indirizzo https://www.inventarioforestale.org/statistiche\_INFC.

# **Funzione prioritaria**

Durante i rilievi in campo INFC2015 ha raccolto dati sulla eventuale presenza di una funzione prioritaria del Bosco, quale obiettivo principale di gestione e di pianificazione degli interventi. Tali dati sono derivati da osservazione diretta, da documenti della pianificazione forestale o da interviste con tecnici e gestori locali. La Table 11.17 riporta le classi per la funzione prioritaria e le relative definizioni. Le statistiche circa la presenza di una funzione prioritaria per il Bosco sono riportate nella Table 11.18; la Fig. 11.6 mostra la ripartizione della superficie del Bosco per funzione prioritaria, a livello regionale e nazionale. In Italia, l'86.8% della superficie del Bosco non è destinato a svolgere una funzione prioritaria. Solo in quattro regioni la superficie del Bosco gestito secondo un obiettivo prioritario supera il 20%: Valle d'Aosta, Lombardia, Umbria e Sardegna. Tra le funzioni prioritarie considerate, la produzione legnosa riguarda l'aliquota maggiore di superficie, con il 6.7%, seguita dalla funzione naturalistica, con il 2.1%. Sebbene contenuta a livello nazionale (2.1%), la percentuale di superficie con funzione prioritaria protettiva, diretta e indiretta, è rilevante in Valle d'Aosta (23.7%) e in Alto Adige (11.5%). La percentuale di superficie con gestione finalizzata alla funzione ricreativa è trascurabile in tutte le regioni, mentre le produzioni non legnose (1.3% a livello nazionale) assumono un ruolo consistente quale obiettivo prioritario di gestione solo in Sardegna, per la produzione di sughero (10.1%). Ulteriori statistiche sulla presenza di un obiettivo prioritario di gestione a livello delle categorie inventariali del Bosco sono disponibili all'indirizzo https:// www.inventarioforestale.org/statistiche\_INFC.

La proporzione di Bosco in cui sia possibile individuare chiaramente una funzione prevalente sulle altre, in misura tale da condizionare gli interventi selvicolturali e la gestione per incrementare o mantenere tale funzione, è piuttosto contenuta. Il confronto anche solo con quanto esposto nella precedente Sect. 11.4, che ha evidenziato come la capacità nel proteggere il suolo e le risorse idriche sia riconosciuta a percentuali molto elevate della superficie del Bosco in tutte le regioni, conferma come la gestione forestale in Italia sia orientata a valorizzare la multifunzionalità delle foreste, piuttosto che obiettivi specifici.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 12 Forest Carbon Stock**

# **Il carbonio forestale in Italia**

#### **Lucio Di Cosmo, Patrizia Gasparini, and Antonio Floris**

**Abstract** Forests affect climate globally and have an important role in the global carbon cycle. Countries that signed the United Nations Framework Convention on Climate Change (UNFCCC) and the agreements that followed, use national forest inventory data to estimate carbon sequestration related to land use, land use changes and forestry. Five terrestrial carbon pools are relevant for the estimation of carbon stocks and carbon stock changes under the UNFCCC and the Kyoto Protocol: soil, litter, belowground and aboveground biomass, and deadwood. The second Italian NFI (INFC2005) estimated the organic carbon stock stored within four out of the five pools and confirmed the major role of soil, which stored 57.6% of Italian forest organic carbon in the four pools studied. Estimating soil carbon change is challenging if the time elapsed between two assessment periods is not long, because the expected changes are small compared to the high carbon stock already present in soils. INFC2015 updated the estimates of the carbon stored in aboveground living biomass and in deadwood. The results are shown and commented on in Sects. 12.2 and 12.3. They allow for computation of the overall aboveground biomass carbon stock, i.e., the joined contribution of those two ecosystem components. Annual variation of carbon in growing stock is also due to carbon stored via growth and carbon removed with harvesting. These entries of the balance were estimated by INFC2015 and indicate that Italian forests act as carbon sinks; this is shown in Sect. 12.4.

**Keywords** Carbon pool · Carbon sequestration · Coarse woody debris · Removals · Carbon sink · Carbon balance

L. Di Cosmo (B) · P. Gasparini · A. Floris

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: lucio.dicosmo@crea.gov.it

P. Gasparini e-mail: patrizia.gasparini@crea.gov.it

© The Author(s) 2022 P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_12

A. Floris e-mail: antonio.floris@crea.gov.it

# **12.1 Introduction**

Trees bind carbon dioxide (CO2) from the atmosphere through photosynthesis and store carbon in their wood. The carbon content of a tree is approximated by half the dry weight of the tree itself. Therefore, trees are seen as individuals able to storage carbon, and for this reason, also trees outside forests (TOF) have gained attention (e.g., Guo et al., 2014; Russo et al., 2014; Schnell et al., 2015; Speak et al., 2020). The assumption that trees are a net CO2 sink led to planting trees in cities as part of their climate protection plans. However, assessments on their real potential to act as carbon sinks are difficult to carry out, because they require, among others, knowing the total emissions caused by planting and maintenance during the entire life cycle. Some completed assessments have shown such plantations have limited effectiveness in carbon stocking (e.g., McPherson & Kendall, 2014). For stocking purposes, trees are more efficient by moving carbon from the atmosphere into the forest ecosystem.

The role of forest in climate change mitigation has been widely recognised in recent decades. Countries that report on greenhouse gas (GHG) emissions and removals, after signing the United Nations Framework Convention on Climate Change (UNFCCC) and following the subsequent agreements, need to estimate carbon sequestration related to land use, land use changes and forestry. Five terrestrial carbon pools are relevant for the estimation of carbon stocks and carbon stock changes under the UNFCCC and the Kyoto Protocol (IPCC, 2003): soil, litter, belowground and aboveground biomass, and deadwood. National forest inventories are important data sources for estimating forest carbon stock (e.g., Breidenbach et al., 2021; Brown, 2002; Mäkipää et al., 2008). The second Italian NFI (INFC2005) estimated the carbon stock stored within four out of the five pools, i.e., belowground biomass was not included. The comprehensive assessment confirmed the major role of soil in European forests, as soil stored 57.6% of Italian forest organic carbon in the four pools, followed by the aboveground living biomass (38.1%). Together, deadwood and litter stored 4.3% of carbon (Gasparini & Di Cosmo, 2015; Gasparini et al., 2013).

Extensive field campaigns for sampling soil and following laboratory analyses for carbon content measurements are very expensive. Furthermore, estimating the change requires enormous effort because the expected changes are small compared to the high carbon stock already present in soils (Schrumpf et al., 2008), especially when the period between the two assessments is not long (e.g., Conen et al., 2003). Considering the short period between the two forest inventories, INFC2015 updated the estimates of carbon stored within the aboveground living biomass and the deadwood biomass. This living biomass is represented by woody vegetation consisting of trees with DBH ≥ 4.5 cm, small trees (seedlings and saplings typical of regeneration processes) and shrubs taller than 50 cm. Deadwood is composed of standing dead trees (trees with DBH ≥ 4.5 cm), remaining stumps (diameter ≥ 9.5 cm) and deadwood lying on the ground (section diameter ≥ 9.5 cm, length between the end sections ≥ 9.5 cm); together standing dead trees, stumps and deadwood lying on the ground are considered coarse woody debris.

The amount of carbon annually sequestrated by trees from the atmosphere was assessed estimating Forest annual increment in biomass. The carbon content in forest stands, however, also varies annually due to natural mortality and the removal of utilised trees. For this reason, the carbon sink quantified as the annual increase of carbon in living trees minus the carbon content of removed trees cannot be considered a net annual accumulation of carbon (Tabacchi et al., 2010).

# **12.2 Carbon Stock in the Aboveground Living Biomass**

Table 12.1 shows the carbon stock stored in the woody vegetation as represented by all individuals taller than 50 cm, for the inventory categories of Forest and Total. Tables 12.2 and 12.3 show similar data for the forest types. Trees, small trees (seedlings and saplings) and shrubs store 539.3 million carbon tonnes, 59.4 tonnes per hectare on average. Table 12.4 shows the estimates on the carbon stored by trees for the inventory categories of Forest and for Total Forest. Table 12.5 shows the carbon stored by small trees and Table 12.6 shows the amount stored by shrubs. At www.inventarioforestale.org/statistiche\_INFC similar statistics for the forest types are available. The data in the cited tables indicate that 96.8% of the carbon in the living biomass is stored by trees; small trees and shrubs store 1.7% and 1.5% of the total, respectively. Only in a few regions do small trees or shrubs store at least 3% of total aboveground living biomass carbon. Carbon in small trees exceeds that threshold in Umbria (5.7%), Marche (4.7%) and Molise (4.6%). Carbon in shrubs exceeds it in Molise (3.9%) and Sardegna (5.3%). If we consider the joint contribution of small trees and shrubs, 3% of the overall living biomass is exceeded in five additional regions: Emilia-Romagna, Lazio, Campania, Puglia and Basilicata. Figure 12.1 shows the carbon stock in the regions differentiating the parts due to trees and to small trees and shrubs together.

Figure 12.2 shows the carbon stock in the aboveground living biomass in the Tall trees forest types.

Considering the forest types with more than 40 million carbon tonnes, we can note (cf. Chap. 7) that Beech forest, Temperate oaks and Mediterranean oaks forests and Other deciduous broadleaved forest cover wide areas (more than 1 million hectare each) and account for large timber volume (generally over 100 million cubic metres, except Temperate oaks forest with 94.4 million cubic metres). On the contrary, Norway spruce and Chestnut forest types store a great deal of carbon mainly because they are rich in biomass, as they do not spread over very large areas (586.7 thousand hectares for Norway spruce and 778.5 thousand hectares for Chestnut forest).


**Table 12.1**Total value and value per hectare of carbon stock in the aboveground biomass by Forest inventory category / Valori totali e per ettaro di carbonio



#### 12 Forest Carbon Stock 507



12 Forest Carbon Stock 509

**Table 12.2**

(continued)



**Table 12.2**




#### 12 Forest Carbon Stock 513


**12.4** Total value and value per hectare of carbon stock in the aboveground tree biomass by Forest inventory category / Valori totali e per ettaro di carbonio

**Table** 




**Table 12.6** Total value and value per hectare of carbon stock in shrubs biomass by Forest inventory category / Valori totali e per ettaro di carbonio totale

 degli

Trees / Alberi Small trees and shrubs / Rinnovazione e arbusti

**Fig. 12.1** Carbon in trees, small trees (regeneration) and shrubs in Italian Forest (X-axis was limited to improve readibility; exceeding values are given in numbers) / Contenuto di carbonio negli alberi, nella rinnovazione e negli arbusti nel Bosco italiano (l'asse delle ascisse è stato limitato per migliorare la leggibilità; i valori eccedenti sono mostrati in numero)

# **12.3 Carbon Stock in Deadwood**

Table 12.7 shows the overall carbon stored in coarse woody debris in the forest inventory categories and for Total Forest. Tables 12.8 and 12.9 report similar information for the forest types. The three deadwood components considered by INFC2015 store altogether 29.8 million carbon tonnes, 3.3 tonnes per hectare on average. Table 12.10 shows the statistics for the standing dead trees, Table 12.11 shows those for stumps and Table 12.12 shows those for lying deadwood. The statistics for the three components in the forest types are available at www.inventarioforestale.org/statistiche\_ INFC.

Figure 12.3 reveals that 57.5% of coarse woody debris carbon stock is in standing dead trees; lying deadwood stores 33.2% of coarse woody debris carbon and stumps store 9.3%.

Figure 12.4 shows the carbon stock in the three deadwood components for the Tall trees forest types.

**Fig. 12.2** Carbon stock in the aboveground living biomass (trees, small trees and shrubs) of Tall trees forest types / Contenuto di carbonio negli alberi, nella rinnovazione e negli arbusti delle categorie forestali dei Boschi alti

Lying deadwood is the main component in carbon storing in four forest types: Larch and Stone pine, Norway spruce, Fir and Hygrophilous forests. In these categories lying deadwood stores between 41.5% (Norway Spruce forest) and 49.4% (Hygrophilous forests) of total coarse woody debris carbon stock. In all other forest types, most carbon is stored in the standing dead trees component, which generally accounts for more than 50%, except Scots pine and Mountain pine forest (48.2%) and Beech forest (47.8%). The average national value for carbon stored by stumps is exceeded in five forest types: Larch and Stone pine, Norway spruce, Fir, Beech and Cork oak forests, whose values range from 12.8% (Cork oak forest) to 23.3% (Norway spruce forests). Figure 12.5 shows the carbon stock in the regions by deadwood components.

As a general picture, standing dead trees are the main source of carbon stock, with percentages ranging from 49.9% (Marche) to 70.7% (Toscana), but in Valle d'Aosta and in Trentino the main deadwood component for carbon stock is lying deadwood (55.1% and 43.3%, respectively) while in Alto Adige both stumps (36.7%) and lying deadwood (36.5%) store more carbon than standing dead trees (26.7%).



 nel



**Table 12.8**

(continued)



12 Forest Carbon Stock 523

**Table 12.8**

(continued)



**Table 12.8**


**Table 12.9** Total value and value per hectare of carbon stock in coarse woody debris by Plantations forest type / Valori totali e per ettaro di carbonio nel



12 Forest Carbon Stock 527


**Table 12.11** Total value and value per hectare of carbon stock in stumps by Forest inventory category/Valori totali e per ettaro di carbonio nelle ceppaie residue


**Table 12.12** Total value and value per hectare of carbon stock in lying deadwood by Forest inventory category / Valori totali e per ettaro di carbonio nel

**Fig. 12.3** Carbon stock in coarse woody debris in Forest / Contenuto di carbonio nelle componenti del legno morto grosso, nel Bosco

Standing dead trees / Alberi morti in piedi Lying deadwood / Legno morto grosso a terra Stumps / Ceppaie

**Fig. 12.4** Carbon stock in the Tall trees forest types by deadwood component / Contenuto di carbonio nelle categorie forestali dei Boschi alti per componente del legno morto

**Fig. 12.5** Carbon stock in coarse woody debris by components, in the regions / Contenuto di carbonio nel legno morto per componente, nelle regioni

# **12.4 Overall Carbon Stock in the Aboveground Living and Deadwood Biomass**

Together, woody vegetation taller than 50 cm and coarse woody debris store 569.1 million carbon tonnes. Carbon in trees and shrubs constitutes 94.8% of the total while deadwood comprises 5.2%. Figure 12.6 shows the cumulative percent of carbon in the aboveground living biomass and in coarse woody debris, in the regions.

The percentage of coarse woody debris is higher in the central-north regions. Its mean national value of 5.2% is exceeded in eight regions from the Alps to Toscana, except Alto Adige (5.0%) and Veneto (4.5%), which show values slightly lower. Marche and Calabria are the only two remaining regions whose coarse woody debris percent value is over 4%.

**Fig. 12.6** Carbon stock in aboveground living biomass (trees and shrubs higher than 50 cm) and in coarse woody debris, in the regions / Contenuto di carbonio nella fitomassa epigea totale (alberi e arbusti più alti di 50 cm) e nel legno morto grosso totale, nelle regioni

# **12.5 Annual Variation of Tree Carbon Stock**

The annual volume increment of Forest, estimated in 37.8 million cubic metres (cf. Chap. 7), represents approximately 13.5 million carbon tonnes, 49.5 million tonnes CO2 equivalent. One hectare Forest stores 1.5 carbon tonnes per year and binds from the atmosphere 5.5 tonnes CO2. Table 12.13 shows the estimates on carbon annually stored in wood by tree growth for the inventory categories of Forest. At www.inv entarioforestale.org/statistiche\_INFC the estimates for the forest types are available. Figure 12.7 shows the amount of carbon stored in the regions, total and per hectare.

A certain amount of carbon stock in the aboveground living biomass is annually removed from Forest due to felling. Table 12.14 shows the statistics on the carbon removed in the inventory categories of Forest. In Italy, almost 3.2 million carbon tonnes are annually removed from Forest, 11.7 million CO2 tonnes equivalent. On average, 0.3 carbon tonnes are removed annually from one hectare Forest, 1.1 CO2 tonnes equivalent. Figure 12.8 displays the data reported in the Table 12.14.


**Table 12.13** Total value and value per hectare of carbon stock annual increase in aboveground tree biomass due to growth, by Forest inventory category / Valori

**Fig. 12.7** Carbon annually stored by trees growth, total and per hectare (to improve readability, very long bars have been limited and true values are given in numbers) / Carbonio accumulato annualmente per accrescimento degli alberi, totale e per ettaro (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)

Figure 12.9 shows the amount of carbon stocked by trees every year and that extracted after felling.

For the whole country, 23.4% of carbon stock annually stored by trees growth is removed. Although the comparison was made not considering the natural mortality, which is not estimated by INFC, the strong positive balance confirms that Italian forests act as sinks. Among the regions, the balance is rather variable, ranging from 0.3% in Molise to 54.8% in Umbria.


**Table 12.14**Total value and value per hectare of carbon stock in trees (stem, large and small branches) utilised in the 12 months before the survey / Valori

**Fig. 12.8** Tree carbon removed annually from Forest with utilisations, total and per hectare (to improve readability, very long bars have been limited and true values are given in numbers) / Carbonio totale e per ettaro asportato annualmente dal Bosco con le utilizzazioni (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)


**Fig. 12.9** Carbon annually stored by trees growth and removed with utilisations (to improve readability, very long bars have been limited and true values are given in numbers) / Carbonio fissato annualmente per accrescimento degli alberi e carbonio asportato con le utilizzazioni annue (per migliorare la lettura, è stata limitata la lunghezza di barre molto lunghe e i valori reali sono indicati con numero)

# **Appendix (Italian Version)**

**Riassunto** Le foreste condizionano il clima a scala globale e rivestono un ruolo nel ciclo globale del carbonio. I Paesi che hanno sottoscritto la convenzione quadro sui cambiamenti climatici delle Nazioni Unite (UNFCCC) e i successivi impegni utilizzano i dati degli inventari forestali nazionali per stimare l'assorbimento di carbonio legato all'uso del suolo, al cambiamento d'uso e alle foreste. Cinque sono i serbatoi terrestri rilevanti nella stima del carbonio immagazzinato e della sua variazione per l'UNFCCC e il protocollo di Kyoto: il suolo, la lettiera, la fitomassa ipogea e quella epigea, il legno morto. Il secondo inventario forestale nazionale italiano (INFC2005) ha stimato il contenuto di carbonio organico in quattro dei cinque serbatoi e confermato il ruolo primario del suolo, che è risultato contenere il 57.6% del carbonio organico dei quattro serbatoi nelle foreste italiane. La stima delle variazioni di carbonio nei suoli forestali è particolarmente onerosa poiché le variazioni attese sono piccole se paragonate alle grandi quantità immagazzinate. INFC2015 ha provveduto ad aggiornare le stime del carbonio contenuto nella fitomassa epigea e nel legno morto, le due componenti maggiormente soggette a variazioni apprezzabili nel tempo trascorso tra i due inventari. I risultati sono mostrati e commentati nelle Sects. 12.2 e 12.3. La variazione annuale di carbonio nel soprassuolo è anche dovuta al carbonio immagazzinato con l'accrescimento degli alberi e a quello rimosso con le utilizzazioni. Queste due voci del bilancio, stimate da INFC2015, permettono di valutare il ruolo attivo delle foreste italiane nella rimozione di carbonio dall'atmosfera; questo contributo è discusso nella Sect. 12.4.

# **Introduzione**

Gli alberi rimuovono anidride carbonica dall'atmosfera e, attraverso la fotosintesi, immagazzinano carbonio (C) nei tessuti legnosi. Si assume, con approssimazione accettabile, che la quantità di carbonio contenuta in un albero equivalga alla metà del suo peso secco. Gli alberi sono quindi considerati accumulatori di carbonio e, per questo, attenzione è stata rivolta anche a quelli che crescono in contesto non forestale (Trees outside forests—TOF) (es. Guo et al., 2014; Russo et al., 2014; Schnell et al., 2015; Speak et al., 2020). L'assunto che gli alberi siano un sink per il carbonio atmosferico ha portato ad inserire la piantumazione di alberi in contesto urbano nell'ambito delle strategie per la lotta ai cambiamenti climatici. Tuttavia, le valutazioni sulla loro reale capacità di comportarsi come accumulatori netti sono complesse perché richiedono di conoscere, tra l'altro, le emissioni dovute alle attività di impianto e cura nel corso dell'intero ciclo di vita, e alcune di quelle intraprese ne hanno ridimensionato il ruolo (es. McPherson & Kendall, 2014). Maggiore efficienza per lo stoccaggio del carbonio è garantita dalla capacità degli alberi di trasferire quello atmosferico nell'ecosistema forestale. Il contributo che le foreste possono dare alla lotta ai cambiamenti climatici è stato ampiamente riconosciuto negli ultimi decenni. I Paesi che compilano i report sulle emissioni e gli assorbimenti di gas serra, a seguito della sottoscrizione della convenzione sui cambiamenti climatici delle Nazioni Unite (UNFCCC) e gli accordi successivi, devono stimare l'assorbimento di carbonio legato all'uso del suolo, al cambiamento di uso del suolo e al settore forestale. Cinque sono i pool di carbonio considerati nelle stime per il carbonio immagazzinato e le sue variazioni ai fini del protocollo di Kyoto (IPCC, 2003): il suolo, la lettiera, la biomassa ipogea e quella epigea, il legno morto. Gli inventari forestali nazionali contribuiscono come un'importante fonte di dati per la stima del carbonio forestale (es. Breidenbach et al., 2021; Brown, 2002; Mäkipää et al., 2008). Il secondo inventario forestale nazionale italiano (INFC2005) ha stimato il carbonio immagazzinato in quattro dei cinque pool menzionati, non considerando la sola componente della biomassa ipogea. Le stime prodotte hanno confermato il ruolo principale che viene riconosciuto ai suoli nei contesti forestali europei, dacché il suolo del Bosco in Italia è risultato contenere il 57.6% del carbonio organico contenuto nei quattro pool indagati, seguito dalla fitomassa epigea (38.1%); lettiera e legno morto insieme sono risultati contribuire per il 4.3% del carbonio totale stimato (Gasparini & Di Cosmo, 2015; Gasparini et al., 2013).

Campagne di rilievo su larga scala per il campionamento dei suoli e le successive analisi di laboratorio per le determinazioni del contenuto di carbonio richiedono un impegno enorme perché le variazioni attese del contenuto di carbonio sono piccole se paragonate alle grandi quantità immagazzinate (Schrumpf et al., 2008), specialmente quando il periodo di tempo trascorso tra due campagne di rilievo non è lungo (es. Conen et al., 2003). Considerato il periodo relativamente breve trascorso dal precedente inventario, con INFC2015 si è proceduto ad aggiornare le stime della quantità di carbonio nella fitomassa epigea e nel legno morto grosso, le due componenti maggiormente soggette a variazioni apprezzabili. La fitomassa epigea è rappresentata dalla vegetazione legnosa costituita da individui (genericamente indicati come alberi) con diametro a 1.30 m dal suolo ≥ 4.5 cm, e dagli individui di rinnovazione e arbusti più alti di 50 cm. Il legno morto grosso si compone di soggetti morti in piedi (genericamente indicati come alberi, con diametro a 1.30 m dal suolo ≥ 4.5 cm), ceppaie residue (con diametro alla sezione di taglio ≥ 9.5 cm) e legno morto grosso a terra (con diametro alle sezioni estreme ≥ 9.5 cm e lunghezza ≥ 9.5 cm); in contesti internazionali, queste tre componenti sono spesso indicate come coarse woody debris.

La quantità di carbonio che gli alberi sequestrano annualmente dall'atmosfera per accrescimento è stata stimata attraverso l'incremento annuo in biomassa. Il contenuto di carbonio dei soprassuoli forestali varia annualmente anche a causa del taglio e dell'esbosco degli alberi e della mortalità naturale. Pertanto, l'assorbimento quantificato sottraendo al carbonio fissato annualmente per accrescimento degli alberi vivi quello rimosso con le utilizzazioni non può essere considerato un accumulo netto di carbonio annuo (Tabacchi et al., 2010).

# **Il contenuto di carbonio nella vegetazione**

La Table 12.1 mostra la quantità complessiva di carbonio della vegetazione legnosa con altezza superiore a 50 cm, per le categorie inventariali del Bosco e per il suo totale. La Table 12.2 e la Table 12.3 riportano le stesse informazioni per le categorie forestali del Bosco. Alberi, rinnovazione e arbusti immagazzinano 539.3 milioni di tonnellate di carbonio, con un valore medio per ettaro di 59.4 tonnellate. Per le categorie inventariali del Bosco e per la sua totalità, la Table 12.4 riporta le stime della quantità di carbonio negli alberi, la Table 12.5 riporta stime analoghe per la rinnovazione e la Table 12.6 presenta quelle per gli arbusti. Le statistiche a livello di categoria forestale per il contenuto di carbonio negli alberi, nella rinnovazione e negli arbusti sono disponibili al link www.inventarioforestale.org/statistiche\_INFC. Un confronto tra le tabelle citate consente di evidenziare che il 96.8% del carbonio nella componente viva è dovuto agli alberi, mentre rinnovazione e arbusti contribuiscono per percentuali rispettivamente dell'1.7% e dell'1.5%. Rinnovazione o arbusti solo in poche regioni contribuiscono ognuno per almeno il 3% del contenuto di carbonio della fitomassa epigea totale. La rinnovazione supera questa percentuale in Umbria (5.7%), Marche (4.7%) e Molise (4.6%); gli arbusti la superano in Molise (3.9%) e Sardegna (5.3%). Insieme, le due componenti superano il 3% in altre cinque regioni (Emilia-Romagna, Lazio, Campania, Puglia e Basilicata). La Fig. 12.1 mostra i valori del contenuto di carbonio della vegetazione legnosa nelle regioni, distinguendo quelli della componente arborea da quelli totali di rinnovazione e arbusti. La Fig. 12.2 mostra il contenuto di carbonio nella vegetazione legnosa delle varie categorie forestali dei Boschi alti. Per le categorie forestali che contribuiscono con più di 40 milioni di tonnellate, si può notare (cfr. Chap. 7) che le Faggete, i Querceti di rovere, roverella e farnia, le Cerrete, boschi di farnetto, fragno e vallonea, gli Altri boschi caducifogli sono caratterizzati sia da una superficie forestale elevata (sempre superiore al milione di ettari) sia da un volume legnoso generalmente sopra i 100 milioni di metri cubi (ad eccezione dei Querceti di rovere, roverella e farnia, con 94.4 milioni di metri cubi); i Boschi di abete rosso e i Castagneti, invece, contribuiscono cospicuamente allo stoccaggio del carbonio soprattutto perché ricchi in massa, poiché la superficie occupata è più limitata (586.7 migliaia di ettari per i Boschi di abete rosso e 778.5 migliaia di ettari per i Castagneti).

# **Il contenuto di carbonio nel legno morto**

INFC2015 ha aggiornato le stime relativamente al carbonio organico delle componenti degli alberi morti in piedi, della necromassa grossa a terra e delle ceppaie residue. La Table 12.7 mostra il contenuto di carbonio complessivo per le tre componenti rilevate, per le categorie inventariali e per il Bosco in generale. Le Tables 12.8 e 12.9 riportano le stesse informazioni per le categorie forestali del Bosco. Nel legno morto sono presenti 29.8 milioni di tonnellate di carbonio, con un valore medio per ettaro di 3.3 tonnellate. La Table 12.10 riporta le stime sulla quantità di carbonio negli alberi morti in piedi, la Table 12.11 stime analoghe per le ceppaie residue e la Table 12.12 quelle per il legno morto grosso a terra, tutte per le categorie inventariali del Bosco. Le statistiche a livello di categoria forestale per il contenuto di carbonio negli alberi morti in piedi, nelle ceppaie residue e nel legno morto grosso a terra sono disponibili all'indirizzo www.inventarioforestale.org/statistiche\_INFC.

La Fig. 12.3 mostra che il 57.5% del carbonio nel legno morto è contenuto negli alberi morti in piedi, seguiti dal legno morto grosso a terra, con il 33.2%, ed infine dalle ceppaie residue, che contribuiscono per il 9.3%. La Fig. 12.4 riporta il contenuto di carbonio nelle tre componenti del legno morto per le categorie forestali dei Boschi alti. Il legno morto grosso a terra costituisce la principale componente di necromassa per l'accumulo di carbonio in quattro categorie forestali, che sono i Boschi di larice e cembro, i Boschi di abete rosso, i Boschi di abete bianco e i Boschi igrofili. In queste categorie la percentuale del carbonio totale immagazzinato nel legno morto grosso a terra varia dal 41.5% (Boschi di abete rosso) al 49.4% (Boschi igrofili). In tutte le altre categorie, prevale sempre il contributo degli alberi morti in piedi che, ad eccezione delle Pinete di pino silvestre e montano (48.2%) e delle Faggete (47.8%), contribuiscono sempre con una quota superiore al 50% del carbonio accumulato dal legno morto grosso complessivo. Le ceppaie residue contribuiscono con valori superiori alla media nazionale nelle tre categorie a conifere già ricordate per il ruolo prevalente del legno morto a terra, nelle Faggete e nelle Sugherete. Ad eccezione di queste ultime (12.8%), il contributo percentuale supera sempre il 16% e arriva al 23.3% nel caso dei Boschi di abete rosso. La Fig. 12.5 mostra il contenuto di carbonio nelle varie componenti del legno morto per le regioni italiane. La componente che contribuisce maggiormente all'accumulo di carbonio è quasi sempre quella degli alberi morti in piedi, con quote dal 49.9% (nelle Marche) al 70.7% (Toscana), ma in Valle d'Aosta e in Trentino la componente principale è il legno morto a terra (55.1% e 43.3% rispettivamente) e in Alto Adige ceppaie residue (36.7%) e legno morto grosso a terra (36.5%) prevalgono sugli alberi morti in piedi, con valori molto simili tra loro.

# **Il contenuto complessivo di carbonio epigeo**

Nel complesso, gli individui di specie legnose con altezza maggiore di 50 cm e il legno morto grosso immagazzinano 569.1 milioni di tonnellate di carbonio. Questa quantità è dovuta per il 94.8% agli alberi e agli arbusti e per il restante 5.2% al legno morto grosso. La Fig. 12.6 riporta le percentuali cumulate di carbonio nella vegetazione e nel legno morto per le diverse regioni. Si può notare che la quota dovuta al legno morto risulta più elevata nelle regioni del centro-nord. Il valore medio nazionale del 5.2% è superato in otto regioni, dall'arco alpino alla Toscana, con l'eccezione dell'Alto Adige (5.0%) e del Veneto (4.5%), che comunque non si discostano molto da quel valore e insieme alle Marche e alla Calabria sono le uniche regioni restanti con un contributo del legno morto sopra il 4%.

# **Le variazioni annuali dello stock di carbonio degli alberi**

All'incremento annuo di volume del Bosco, stimato in 37.8 milioni di metri cubi (cfr. Chap. 7), corrisponde un accumulo di circa 13.5 milioni di tonnellate di carbonio, che equivalgono a 49.5 milioni di tonnellate di CO2. Un ettaro di Bosco fissa annualmente 1.5 tonnellate di carbonio, rimuovendo dall'atmosfera 5.5 tonnellate di CO2. La Table 12.13 mostra le stime del carbonio accumulato annualmente nel legno prodotto per le categorie inventariali del Bosco. All'indirizzo www.inventarioforestale.org/ statistiche\_INFC sono disponibili statistiche analoghe per le categorie forestali. La Fig. 12.7 mostra la quantità di carbonio totale e per ettaro assorbita annualmente nelle varie regioni.

A fronte della quantità di carbonio fissata annualmente, una parte del carbonio contenuto nei soprassuoli forestali viene rimossa con le utilizzazioni boschive. La Table 12.14 mostra le stime della quantità di carbonio rimossa per le categorie inventariali del Bosco. A livello nazionale, tale quantità è di quasi 3.2 milioni di tonnellate, che corrispondono a 11.7 milioni di tonnellate di CO2 equivalente. Da un ettaro di Bosco sono rimosse circa 0.3 tonnellate di carbonio, pari a 1.1 tonnellate equivalenti di CO2. La Fig. 12.8 illustra i dati riportati nella tabella citata.

La Fig. 12.9 mette a confronto la quantità di carbonio fissato e rimossa annualmente dai soprassuoli forestali nelle diverse regioni. A livello nazionale, il carbonio rimosso dal Bosco con le utilizzazioni risulta pari al 23.4% del carbonio assorbito per accrescimento degli alberi. Al lordo delle perdite per mortalità naturale, la cui quantità non viene stimata direttamente da INFC, il confronto denota un bilancio fortemente positivo, a conferma del ruolo di sink dei soprassuoli forestali italiani. La percentuale di carbonio rimossa dal Bosco rispetto a quello fissato annualmente per accrescimento è piuttosto variabile tra le regioni, con valori che vanno dallo 0.3% del Molise al 54.8% dell'Umbria.

# **References**


**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Chapter 13 Changes of Italian Forests Over Time Captured by the National Forest Inventories**

# **L'evoluzione nel tempo delle foreste italiane secondo gli inventari forestali nazionali**

# **Patrizia Gasparini and Giovanni Tabacchi**

**Abstract** In order to effectively compare the results of different surveys, they should share the study domain, and the definitions and the classification and measurement criteria of the observed variables should be consistent. The inventory domain in the two Italian forest inventories, INFC2005 and INFC2015, has remained unchanged. The two surveys adopt a common classification system and common stratification criteria, by region and forest category, as well as the same measurement thresholds for quantitative and qualitative variables. This chapter illustrates the results of the comparisons between the estimates obtained from the two surveys for some features considered relevant for the analysis of the current dynamics of the Italian forests, such as the extension of the areas, the growing stock volume, the aboveground tree biomass, the annual volume increment and removals, and the number of trees. The results of the comparisons are sufficiently clear at the national level, while the estimates disaggregated by region or forest category sometimes show very limited variations and are associated with high standard errors of estimates.

# **13.1 Introduction**

Monitoring national forest resources requires reliable and comparable information, derived from repeated large-scale observations. In order to effectively compare the results of different surveys, it is necessary that they share the definition of the study domain, for example the definition of forest, and that the respective domains are defined according to common criteria, for example the crown coverage or the extension of the forest. It is also necessary that variable definitions and the classification and measurement criteria of the variables be consistent with each other.

© The Author(s) 2022

P. Gasparini (B) · G. Tabacchi

CREA Research Centre for Forestry and Wood, Trento, Italy e-mail: patrizia.gasparini@crea.gov.it

P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering, https://doi.org/10.1007/978-3-030-98678-0\_13

In a chapter dedicated to illustrating some of the main changes that occurred in the period between the first Italian national forest inventory (IFNI85) and the second (INFC2005), De Natale and Gasparini (2011) highlighted the importance of having multiple surveys over time to make comparisons between the inventory statistics. This was useful in identifying trends in the Italian forests. Furthermore, the actions to harmonise the two forest inventories, which in their design diverge for some defining and classification aspects and for some measurement standards, were briefly mentioned. Those actions were undertaken to both allow for the desired comparisons and the need to respond with greater accuracy to requests from important supranational statistical processes (cf. Chap. 1).

Contrasted to past comparisons, the differences between INFC2005 and INFC2015 are definitely smaller and limited to the improvement of some operational procedures in the collection and recording of information in the field. The inventory domain, the classification system and the stratification criteria, by region and forest type, have remained unchanged (cf. Chap. 2). Similarly, the measurement thresholds of the quantitative variables and the classes used for the qualitative variables are the same in the two inventories (cf. Chap. 4), and the calculation and estimation procedures remained unchanged (cf. Chaps. 5 and 6). This favourable condition allows to compare the various homologous quantities detected in the two inventories more easily.

Another important aspect for the comparison between the INFC2005 and INFC2015 results concerns the complexity of inventory design and the methods of selecting the sampling units. The first phase sampling points remained the same in the two inventories, while the second and third phase samples of INFC2015 included additional sampling points selected from those affected by changes in land use and land cover (cf. Chaps. 2 and 5). The samples of the two surveys are therefore not independent. The literature devoted to comparisons between repeated multi-phase inventories and to the analysis of the distribution of the estimators used in such complex designs is unfortunately incomplete. However, for the purposes of this chapter, an analysis was carried out to capture the extent and the sign of the changes between the two inventories, taking into account the variability of the estimates, without statistical hypothesis testing.

In general, the analysis of the variations between quantities estimated by sampling must consider not only the values of the estimators, but also the corresponding standard errors (SE), which indicate the variability of the estimates for different samples of the same size, with the same sampling design (Gregoire & Valentine, 2008). If the extent of the variation between the two sample estimates is large and much greater than the relative variability, it is difficult to hypothesize that this variation is not really different from zero. For this reason, despite the limitations mentioned above, we conventionally compared the estimates considering the difference between two estimates "considerable" when their estimation intervals (equal to twice the SE) did not overlap or otherwise "negligible". In the comments, the percent difference between two estimates is shown together with their percent standard error, in order to immediately compare the size of the difference with the variability of the two estimates.

The results on the extent and signs of variations between the two inventories described in this chapter concern some inventory attributes considered more relevant for the analysis of the current dynamics of the Italian forests. They are the extension of wooded areas (Forest, Other wooded land and Total wooded area) and for the Tall trees forest, the growing stock, the aboveground biomass, the annual volume increment and removals, and the number of trees. The comparison was made by considering the estimates of the total values of each variable and the same estimates disaggregated by region and forest type. This was done to bring out any geographical differentiations in the variations that occurred in the period between the two surveys. Finally, the estimates of the new wooded areas and those of the areas affected by the change from wooded areas to other land uses resulting from the comparison of the sampling point classification in the two inventories are presented.

The results of the comparisons are sufficiently clear at the national level, while the estimates disaggregated by region or forest category sometimes show very limited variations and are associated with high standard errors of estimates.

# **13.2 Variations in the Wooded Area**

# *13.2.1 Forest Area*

The Forest area in Italy estimated by INFC2005 is equal to 8,759,202 ha, with a SE of 0.4% (Gasparini & Tabacchi, 2011). The analogous estimate from INFC2015 is equal to 9,085,186 ha, with a SE of 0.4%, and the variation between the two surveys is equal to 325,984 ha (+3.7%). Following the criteria described in the previous section, the variation between the estimates of the two surveys is considerable. At the regional level, it is observed that considerable area variations are reported only for Molise (20,686 ha, +15.6%), while the variations between the estimates for the other regions, all positive except for Trentino (−2143 ha, −0.6%) and Puglia (−3540 ha, −2.4%), are quantitatively negligible (Fig. 13.1). At the level of wider territories in the period between the two inventories, the extension of the Forest increased by 68,596 ha (+2.0%) in the Alpine regions, by 96,910 ha (+3.1%) in the regions of the northern and central Apennines and by 160,479 ha (+7.2%) in those of the southern Apennines and in the islands.<sup>1</sup>

Observing the area estimates for the Tall trees forest types, negative variations emerge for the Norway spruce (−0.4%), for the Scots pine and mountain pine (−2.3%), for the Black pines (−3.1%) and for the Chestnut (−1.8%); for the other types the area variation is always positive. However, it should be noted that only for the Other deciduous broadleaved (+11.4%) and the Other evergreen broadleaved

<sup>1</sup> Alpine regions: Piemonte, Valle d'Aosta, Lombardia, Alto Adige, Trentino, Veneto, Friuli-Venezia Giulia, Liguria; regions of the northern and central Apennines: Emilia-Romagna, Toscana, Umbria, Marche, Lazio, Abruzzo; regions of the southern Apennines and the islands: Molise, Campania, Puglia, Basilicata, Calabria, Sicilia, Sardegna.

**Fig. 13.1** Estimates of Forest area of INFC2005 and INFC2015, nationally and for individual regions; error bars are equal to twice the standard error; bars for Italy were shortened to improve readability; real values are given in numbers / Stime dell'estensione del Bosco per INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per l'Italia sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

(+33.6%) is the variation considerable (Fig. 13.2). These are two residual classes, in which newly formed forest stands, such as the Acero-lime groves and the *Robinia* and *Ailanthus* forests, converge. For the whole of the forest types of Tall trees forest, which occupy 98.6% of the area of the Forest in Italy according to INFC2015, the variation in extension is positive and considerable (319,837 ha, +3.7%).

# *13.2.2 Other Wooded Land Area*

The area of the Other wooded land in Italy was estimated by INFC2005 to be 1,708,333 ha, with a SE of 1.3%; INFC2015 estimated for the same macro-category an area of 1,969,272 ha with a SE of 1.4%. The area variation between the two surveys is quantitatively considerable and equal to 260,939 ha (+15.3%). By disaggregating the area estimates of the Other wooded land by region, it can be observed that positive changes occur for all regions, but they are considerable just for Lazio (25,938 ha, +41,9%), Campania (26,453 ha, +43.5%) and Puglia (16,238 ha, +

**Fig. 13.2** Estimates of Tall trees forest types area of INFC2005 and INFC2015; error bars are equal to twice the standard error / Stime dell'estensione delle categorie forestali dei Boschi alti per INFC2005 e INFC2015; barre di errore pari a due volte l'errore standard

49,0%) (Fig. 13.3). At the level of wider territories, in the period between the two inventories the extension of the Other wooded land increased by 49,349 ha (+15.3%) in the Alpine regions, by 78,275 ha (+24.0%) in the regions of northern and central Apennines and 133,314 ha (+12.6%) in the regions of the southern Apennines and in the islands.

# *13.2.3 Total Wooded Area*

In INFC2005 the Total wooded area (Forest plus Other wooded land) in Italy was estimated to be 10,467,533 ha with a SE of 0.3%; the similar INFC2015 estimate is equal to 11,054,458 ha, with a SE of 0.3%. The area variation between the two surveys is considerable and equal to 586,925 ha (+5.6%). By disaggregating the estimates of Total wooded area at the regional level, it can be observed that positive variations occur for all regions, with the sole exception of Trentino, by a very slight fraction (- 0.1%). If we consider the uncertainty of the estimates, these variations appear considerable for many peninsular regions and for the islands: for Toscana (38,183 ha, + 3.3%), Umbria (23,701 ha, +6.1%), Lazio (42,289 ha, +7.0%), Abruzzo (36,009 ha,

**Fig. 13.3** Estimates of Other wooded land area of INFC2005 and INFC2015, nationally and for individual regions; error bars are equal to twice the standard error; bars for Italy and Sardegna were shortened to improve readability; real values are given in numbers / Stime dell'estensione delle Altre terre boscate per INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per Italia e Sardegna sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

8.2%), Molise (24,632 ha, +16.6%), Campania (45,985 ha, +10.3%), Basilicata (35,986 ha, +10.1%), Calabria (37,689 ha, +6.1%), Sicilia (49,063 ha, +14.5%) and Sardegna (87,741 ha, +7.2%) (Fig. 13.4). At the level of wider territories, in the period between the two inventories the Total wooded area increased by 117,944 ha (+3.2%) in the Alpine regions, by 175,184 ha (+5.0%) in the regions of the northern and central Apennines and 293,794 ha (+8.9%) in the regions of the southern Apennines and in the islands.

# *13.2.4 Land Use and Land Cover Changes*

The variations in the Total wooded area and that of the Forest and Other wooded land resulting from the comparison between the relative estimates produced by the two most recent Italian forest inventories have been illustrated in the paragraphs above. Thanks to the repetition of the photointerpretation on all the points of the first phase

**Fig. 13.4** Estimates of Total wooded area of INFC2005 and INFC2015, nationally and for individual regions; error bars are equal to twice the standard error; bars for Italy were shortened to improve readability; real values are given in numbers / Stime dell'estensione della Superficie forestale totale per INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per l'Italia sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

sample and to the subsequent ground check on the second phase sample with the INFC2015 surveys (cf. Chaps. 2 and 3), it was possible to identify the changes in land use and cover that are relevant for the purposes of the forest inventory, i.e., between forest use and cover and other land use and cover, and also between macro-categories and inventory categories.

Table 13.1 reports the INFC2015 estimates of areas not affected by relevant changes between the two Italian forest inventories, by region and national. It includes the estimates of new wooded areas and areas in other land uses additional to the previous inventory. It is noted that the Total wooded area confirmed by INFC2015 is estimated to be 10,304,862 ha with SE equal to 0.3%, while the area confirmed in Other land use and cover is estimated to be 18,914,517 ha (SE 0.2%). Nationally, the new Total wooded area is estimated at 749,596 ha with SE equal to 2.7% and the additional area in Other land use and cover is equal to 163,870 with SE equal to 4.7%. The difference between the two estimates, which expresses the balance between the wooded area gained and lost compared to the previous INFC2005 inventory, is equal to 585,726 ha, a value very close to that obtained by the difference between the estimates of the Total wooded area of the two inventories reported in Sect. 13.2.3. The


**Table 13.2** Area estimates of land use and land cover changes to and from Forest and Other wooded land occurring between INFC2005 and INFC2015 / Stima dei cambiamenti verso e da Bosco e Altre terre boscate osservati tra INFC2005 e INFC2015


two estimates of the Total wooded area balance differ by a negligible and expected amount, due to the variability that characterises the estimates.

Table 13.2 reports the estimates of the areas affected by changes to and from the Forest and Other wooded land inventory categories at the national level. Similar estimates for the Italian regions are available at https://www.inventarioforestale.org/ statistiche\_INFC. It is observed that the area of the Forest estimated by INFC2015 that belonged to Other wooded land or to Other land use and cover according to INFC2005 is 21,174 ha and 464,818 ha, respectively. The increase in the Forest area due to the transformation of the areas previously under Other land use and cover is 5.3% of the Forest area according to INFC2005, while the loss of Forest area is 1.5%. The balance is positive for the Forest, which increased by 3.8%. For the Other wooded land, the transition to and from Other land use and cover is more marked, with an increase of 16.7%, a decrease of 2.1% and an overall balance of + 14.6%. There are also changes, for very small areas, even between the two inventory macro-categories, with a slightly positive but not quantitatively considerable balance in favour of the change from Forest to Other wooded land.

# **13.3 The Variations of Some Characteristics of the Forest Stands**

# *13.3.1 The Growing Stock*

INFC2005 has estimated the growing stock of the Forest in Italy to be 1,269,416,499 m3 with a SE of 1.1%; with INFC2015 the same quantity is estimated to be 1,502,807,089 m<sup>3</sup> with a sample uncertainty of 1.0%. The variation between the two surveys is quantitatively considerable and equal to 233,390,590 m3 (+18.4%).

Disaggregating the volume estimates by region, it can be observed that always positive and considerable variations occur for the following Italian regions: Piemonte (17,048,366 m3, +13.1%), Lombardia (22,090,286 m3, +20.4%), Veneto (17,269,061 m3, +21.3%), Toscana (23,624,901 m3, +17.9%), Umbria (6,470,477 m3, +22.1%), Lazio (15,330,012 m3, +26.7%), Abruzzo (12,947,702 m3, +25.6%), Campania (14,259,671 m3, +33.6%) and Calabria (23,666,353 m3, +26.9%). For the other regions, the changes are still positive, generally more limited and, given the uncertainty of estimates, they are quantitatively negligible (Fig. 13.5).

Disaggregating the volume estimates by forest type, it is observed that, for the types of Tall trees forest, the variation is always positive and considerable for the Other coniferous forest (6,821,805 m3, +54.5%), for the Beech (52,532,401 m3, + 21.9%), for the Temperate oaks (16,963,720 m3, +21.9%), for the Mediterranean oaks (25,549,227 m3,+24.6%), for the Hornbeam and Hophornbeam (14,731,288 m3, +21.3%), for Other deciduous broadleaved (33,626,655 m3, +35.7%), and for the Holm oak forest (15,601,302 m3, +34.2%). For the other forest types, the variation is still positive but negligible (Fig. 13.6). For the Tall trees forest as a whole, the overall variation is also quantitatively considerable (236,286,163 m3, +18.8%).

Considering only the regions for which a considerable change in growing stock volume has occurred, the increase is largely due to the positive variation observed for the Apennine regions, representing over 41% of the overall increase. The geographical location of the positive volume variation is supported by the observation that it occurs especially in the Beech and Oaks forests, which are very present in these regions, constituting almost 47% of the overall volume increase.

# *13.3.2 The Aboveground Tree Biomass*

The aboveground tree biomass of the Forest, expressed in terms of dry weight, was estimated at 874,443,096 Mg by INFC2005, with a SE equal to 1.0%. According to INFC2015, the same quantity is estimated at 1,044,276,604 Mg, with a SE of 1.0%. The variation between the two surveys is quantitatively considerable and equal to 169,833,508 Mg (+19.4%).

Considering the biomass estimates for the individual regions, it can be observed that always positive and considerable variations occur in Piemonte (12,341,412 Mg,

**Fig. 13.5** Estimates of the total growing stock of Forest from INFC2005 and INFC2015, nationally and for individual regions; error bars equal to twice the standard error; bars for Italy were shortened to improve readability; real values are given in numbers / Stime del volume totale del Bosco per INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per l'Italia sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

+14.1%), Lombardia (14,265,600 Mg, +20.8%), Veneto (10,749,400 Mg, + 21.1%), Toscana (18,499,369 Mg, +19.0%), Umbria (5,146,881 Mg, +20.8%), Lazio (12,354,594 Mg, +26.9%), Abruzzo (9,828,520 Mg, +24.5%), Campania (11,079,508 Mg, +33.2%) and Calabria (16,766,828 Mg, +28.7%), while in the other regions the variations, still positive, are generally negligible (Fig. 13.7), in line with the results observed in the comparisons made for the total growing stock.

Disaggregating the estimates of aboveground tree biomass for the forest types of the Tall trees forest, it is observed that the variation is always positive and considerable for the Other coniferous forest (3,887.323 Mg, +53.7%), for the Beech (39,774,535 Mg,+21.6%), for the Temperate oaks (13,836,869 Mg,+21.3%), for the Mediterranean oaks (20,477,654 Mg, +24.1%), for the Hornbeam and Hophornbeam (11,292,435 Mg, +19.1%), for the Other deciduous broadleaved (24,100,050 Mg, +34.5%) and for the Holm oak forest (15,321,040 Mg, +35.0%). For the Tall trees forest as a whole, the variation is considerable and equal to 19.8%, and this is perfectly in line with what was observed in the comparisons made for the total volumes. For the increase of the aboveground tree biomass, the important contribution provided by the Apennine forests, especially Beech and Oak forests, is confirmed.

**Fig. 13.6** Estimates of the total growing stock of Tall trees forest types from INFC2005 and INFC2015; error bars are equal to twice the standard error / Stime del volume totale delle categorie forestali dei Boschi alti secondo INFC2005 e INFC2015; barre di errore pari a due volte l'errore standard

# *13.3.3 The Annual Volume Increment*

The annual volume increment of living trees standing in the Forest at the time of the INFC2005 inventory survey was estimated at 35,872,293 m3, with an estimated SE equal to 1.1%. In INFC2015, the same quantity is estimated to be 37,787,784 m3 with a SE of 1.0%. The positive variation between the two estimates is quantitatively considerable and equal to 1,915,491 m3 (+5.3%).

By disaggregating the estimates of the annual volume increment according to the regions, it can be observed that positive and considerable variations occur for Lombardia (673.572 m3, +21.4%), Umbria (208.009 m3, +25.5%), Lazio (372.571 m3, +24.1%), Abruzzo (253.181 m3, +19.2%), Molise (198.589 m3, + 47.0%), Campania (439.695 m3, +28.1%) and Basilicata (330.271 m3, +44.7%). A considerable negative change is observed for Liguria (−413.453 m3, −26.2%) and for Toscana (−603.917 m3, −14.5%). For the other regions the variations, positive and negative, are generally negligible according to the criteria adopted for the comparison (Fig. 13.9).

Disaggregating the same estimates of annual volume increment according to the forest type, it is observed that, for the types relating to the Tall trees forest, the

**Fig. 13.7** Estimates of the total aboveground tree biomass of Forest from INFC2005 and INFC2015, nationally and for individual regions; error bars are equal to twice the standard error; bars for Italy were shortened to improve readability; real values are given in numbers / Stime della fitomassa arborea epigea del Bosco secondo INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per l'Italia sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

variation is positive and considerable for the Temperate oaks (586,013 m3, +26.5%) and for the Other deciduous broadleaved (618.803 m3, +15.4%), while it is negative and considerable for the Chestnut (−751.900 m3, −15.2%) (Fig. 13.10). For the Tall trees forest as a whole, the variation is positive and considerable (2,219,885 m3, + 6.4%).

# *13.3.4 The Annual Removal of Growing Stock*

The growing stock removed through utilisations during the twelve months before the INFC2005 survey was estimated at 13,796,864 m3, with a SE of 12.9%. In INFC2015 the same quantity is estimated to be 9,566,257 m<sup>3</sup> with a SE equal to 16.1%. The negative variation between the two estimates is equal to −4,230,607 m3 (−30.7%) and is negligible given the estimates intervals considered. Similarly, observed variations at the regional level and at the level of forest types are quantitatively negligible according to the criteria adopted for the comparison.

# *13.3.5 The Number of Trees*

A further interesting comparison between the estimates of the two national inventories concerns the number of living trees. The total number for the Forest in Italy was estimated by INFC2005 to be 11,949,630,797, with a SE of 1.3%; INFC2015 estimated a total number of 11,481,562,909 trees with a variability of estimate of 1.2%. The variation between the two surveys is therefore equal to - 468,067,888 trees (−3.9%), a negligible variation given the estimate intervals considered.

Positive differences are observed for the regions Valle d'Aosta, Lombardia, Lazio, Abruzzo, Molise and Sardegna, while for the other regions the variations are always negative. In all cases the differences are negligible.

At the level of the forest types of the Tall trees forest, positive variations are observed for the Other coniferous forest (33.2%), for the Temperate oaks (5.4%), for the Other deciduous broadleaved (10.4%), for the Cork oak (3.1%) and for the Other evergreen broadleaved forest, while the differences are always negative for the other forest types. For the type of Chestnut alone there is a considerable variation (−183,976,338 trees, −16.0%), while for all the other forest types the differences are quantitatively negligible.

# **Appendix (Italian Version)**

**Riassunto** Per confrontare utilmente i risultati di indagini diverse è opportuno che esse condividano il dominio di studio, le definizioni e i criteri di classificazione e misura delle variabili osservate, o che questi siano coerenti tra loro. Il dominio inventariale nei due inventari forestali italiani INFC2005 e INFC2015 è rimasto invariato e le due indagini adottano un sistema di classificazione e criteri di stratificazione (regione e categoria forestale) comuni; anche le soglie di misura delle variabili quantitative e le classi delle variabili qualitative sono le stesse. Il capitolo illustra i risultati del confronto tra le stime ottenute dalle due indagini per alcune tra le grandezze più interessanti per valutazioni sulla dinamica delle foreste italiane, quali l'estensione delle aree, il volume e la fitomassa del bosco, l'incremento annuo di volume, il prelievo annuo e il numero degli alberi. I risultati del confronto sono sufficientemente esplicativi delle tendenze a livello nazionale, mentre le stime disaggregate per regione o per categoria forestale mostrano variazioni talvolta molto contenute e associate a errori standard delle stime elevati.

# **Introduzione**

Il monitoraggio dello stato delle risorse forestali nazionali necessita di informazioni affidabili e confrontabili, derivanti da osservazioni ripetute su ampia scala. Al fine di poter confrontare i risultati di indagini diverse, è necessario che le stesse condividano i criteri per la definizione del dominio di studio, quali ad esempio la copertura arborea e la superficie per la definizione di foresta. È necessario, inoltre, che le definizioni e i criteri di classificazione e misura delle variabili osservate dalle diverse rilevazioni siano uguali o comunque coerenti tra loro.

Nell'introduzione al capitolo di De Natale and Gasparini (2011) dedicato all'illustrazione dei principali cambiamenti intervenuti tra il primo inventario forestale nazionale italiano (IFNI85) e il secondo (INFC2005), è stata sottolineata l'importanza di disporre di più rilevazioni nel tempo, al fine di operare utili confronti tra le statistiche risultanti e identificare così le tendenze in atto nel sistema forestale italiano. Sono state inoltre brevemente ricordate le azioni di armonizzazione tra i due inventari forestali citati - che nel loro disegno divergono per alcuni aspetti definitori, di classificazione e per alcuni standard di misura - in funzione sia del confronto auspicato sia della necessità di rispondere, con maggiore accuratezza rispetto al passato, alle richieste provenienti da importanti processi statistici sovranazionali (cfr. Chap. 1).

Rispetto al confronto precedente, le differenze metodologiche tra INFC2005 e INFC2015 sono decisamente più contenute, limitandosi al miglioramento di alcune procedure operative nella raccolta e nella registrazione delle informazioni in campo. Il dominio inventariale, il sistema di classificazione e i criteri di stratificazione, per regione e categoria forestale, sono rimasti invariati (cfr. Chap. 2); analogamente, le soglie di misura delle variabili quantitative e le classi utilizzate per le variabili qualitative sono le stesse (cfr. Chap. 4), così come sono rimaste invariate le procedure di calcolo e stima (cfr. Chaps. 5 and 6). Questa favorevole condizione permette di operare con maggiore tranquillità i vari confronti di interesse tra grandezze omologhe rilevate nelle due occasioni inventariali.

Altri aspetti da considerare per il confronto tra i risultati INFC2005 e INFC2015 riguardano la complessità del disegno inventariale e le modalità di selezione delle unità di campionamento. L'insieme dei punti di campionamento di prima fase è rimasto lo stesso nei due inventari, mentre i campioni di seconda e terza fase di INFC2015 includono punti aggiuntivi, selezionati tra quelli interessati da cambiamenti dell'uso e copertura del suolo (cfr. Chaps. 2 e 5). I campioni delle due indagini non sono quindi indipendenti. La letteratura dedicata ai confronti tra inventari ripetuti articolati in più fasi e all'analisi del comportamento probabilistico degli stimatori impiegati in disegni così complessi è purtroppo lacunosa. Tuttavia, per gli scopi del presente capitolo, si è proceduto ad un'analisi finalizzata a cogliere l'entità e il segno delle variazioni intervenute tra i due inventari, tenendo conto della variabilità delle stime nel valutare la rilevanza delle differenze, senza l'ausilio di un rigoroso test di ipotesi.

In generale, l'analisi delle variazioni tra grandezze stimate per via campionaria deve prendere in considerazione non solo i valori assunti dagli stimatori, ma anche i corrispondenti errori standard (ES), che indicano la variabilità che si osserva per campioni diversi di uguale dimensione, a parità di disegno campionario (Gregoire & Valentine, 2008). Se l'entità della variazione tra le due stime campionarie è ingente e molto più grande della relativa variabilità, risulta difficile ipotizzare che detta variazione non sia realmente diversa dallo zero. Per questo motivo, fermi restando i limiti sopra ricordati, si è convenzionalmente proceduto a confrontare le stime unitamente ai relativi errori campionari, considerando quantitativamente rilevanti le differenze con intervalli di stima, calcolati considerando due volte l'ES, non sovrapposti. Nei commenti che si riferiscono alle variabili prese in considerazione nel confronto tra INFC2005 e INFC2015 è riportata anche la corrispondente variabilità della stima, in termini di errore standard percentuale (ES%), in modo da cogliere con immediatezza i casi in cui variazioni e intervalli di stima possono confondersi.

I risultati del confronto presentati nel capitolo riguardano alcune grandezze inventariali ritenute interessanti per illustrare la dinamica attuale delle foreste italiane. In particolare, sono stati esaminati l'estensione delle aree boscate (Bosco, Altre terre boscate e Superficie forestale totale) e, tra le variabili che caratterizzano i Boschi alti, il volume degli alberi vivi, la fitomassa arborea epigea, l'incremento annuo di volume, il prelievo annuo e il numero di alberi. Il confronto riguarda le stime dei valori totali di ciascuna variabile e le stesse disaggregate per regione e per categoria forestale dei Boschi alti, per evidenziare eventuali differenze nelle variazioni intervenute tra le due rilevazioni nelle diverse aree geografiche. Infine vengono presentate le stime delle superfici interessate da cambiamenti di uso e copertura del suolo, da classi delle superfici forestali a classi di altro uso e copertura e viceversa, risultanti dal confronto della classificazione dei punti di campionamento nei due inventari.

I risultati del confronto sono sufficientemente esplicativi delle dinamiche in atto a livello nazionale. Per le stime disaggregate per regione o per categoria forestale, invece, le variazioni sono talvolta molto contenute e associate a errori campionari di stima elevati.

# **Le variazioni della superficie forestale**

# *Il Bosco*

La superficie totale del Bosco in Italia stimata da INFC2005 è pari a 8,759,202 ha, con un ES di 0.4% (Gasparini & Tabacchi, 2011); INFC2015 ha stimato la stessa grandezza in 9,085,186 ha, con ES pari a 0.4%. La variazione positiva di superficie intervenuta tra le due rilevazioni risulta quindi uguale a 325,984 ha (+3.7%). Secondo il criterio sopra descritto, il confronto tra le due stime evidenzia una variazione rilevante a livello nazionale tra le due indagini. Disaggregando le stime di superficie del Bosco a livello regionale, si osserva che variazioni di superficie rilevanti sono segnalate solo per il Molise (20,686 ha, +15.6%), mentre le variazioni per le altre regioni, tutte positive meno che per il Trentino (−2143 ha, −0.6%) e la Puglia (−3540 ha, −2.4%), non risultano quantitativamente rilevanti (Fig. 13.1). A livello di territori più ampi, nel periodo intercorso tra i due inventari l'estensione del Bosco è aumentata di 68,596 ha (+2.0%) nelle regioni dell'Arco alpino, di 96,910 ha (+3.1%) nelle regioni dell'Appennino settentrionale e centrale e di 160,479 ha (+7.2%) in quelle dell'Appennino meridionale e nelle isole.2

Osservando le stime di estensione del Bosco secondo le categorie forestali dei Boschi alti emergono variazioni negative per i Boschi di abete rosso (−0.4%), per le Pinete di pino silvestre e montano (−2.3%), per le Pinete di pino nero, laricio e loricato (−3.1%) e per i Castagneti (−1.8%); per le altre categorie la variazione di superficie è sempre positiva. Va però segnalato che solo per gli Altri boschi caducifogli (+11.4%) e per gli Altri boschi di latifoglie sempreverdi (+33.6%) la variazione è quantitativamente rilevante (Fig. 13.2). Si tratta di due classi residuali, in cui confluiscono soprassuoli forestali di recente formazione quali ad esempio gli Acerotiglieti di monte e i Robinieti e ailanteti. Per l'insieme delle categorie dei Boschi alti, che occupano il 98.6% della superficie del Bosco in Italia secondo INFC2015, la variazione di estensione risulta positiva e rilevante (319,837 ha, +3.7%).

# *Le Altre terre boscate*

La superficie delle Altre terre boscate in Italia è stata stimata da INFC2005 in 1,708,333 ha, con un ES di 1.3%; INFC2015 ne ha stimato un'estensione pari a 1,969,272 ha, con ES di 1.4%. La variazione di superficie intervenuta tra le due rilevazioni risulta quantitativamente rilevante e pari a 260,939 ha (+15.3%). Disaggregando le stime di superficie delle Altre terre boscate per regione, si può osservare che le variazioni sono sempre positive, ma rilevanti solo per il Lazio (25,938 ha,+41.9%), la Campania (26,453 ha, +43.5%) e la Puglia (16,238 ha, +49.0%) (Fig. 13.3). A livello di territori più ampi, l'estensione delle Altre terre boscate è aumentata di 49,349 ha (+15.3%) nelle regioni dell'Arco alpino, di 78,275 ha (+24.0%) nelle regioni dell'Appennino settentrionale e centrale e di 133,314 ha (+12.6%) nelle regioni dell'Appennino meridionale e isole.

<sup>2</sup> Regioni dell'Arco alpino: Piemonte, Valle d'Aosta, Lombardia, Alto Adige, Trentino, Veneto, Friuli-Venezia Giulia, Liguria; regioni dell'Appennino settentrionale: Emilia-Romagna, Toscana, Umbria, Marche, Lazio, Abruzzo; regioni dell'Appennino meridionale e isole: Molise, Campania, Puglia, Basilicata, Calabria, Sicilia, Sardegna.

# *La Superficie forestale totale*

Con INFC2005 la Superficie forestale totale (Bosco più Altre terre boscate) in Italia è stata stimata pari a 10,467,533 ha con un ES di 0.3%; la stima INFC2015 per la stessa grandezza è pari a 11,054,458 ha, con ES di 0.3%. La variazione di superficie intervenuta tra le due rilevazioni risulta quantitativamente rilevante e pari a 586,925 ha (+5.6%). Disaggregando le stime di Superficie forestale totale a livello regionale, si può osservare che variazioni positive si manifestano per tutte le regioni, con la sola eccezione del Trentino (-0.1%). Queste variazioni appaiono quantitativamente rilevanti per molte regioni peninsulari e per le isole: per Toscana (38,183 ha, + 3.3%), Umbria (23,701 ha, +6.1%), Lazio (42,289 ha, +7.0%), Abruzzo (36,009 ha, +8.2%), Molise (24,632 ha, +16.6%), Campania (45,985 ha, +10.3%), Basilicata (35,986 ha, + 10.1%), Calabria (37,689 ha, +6.1%), Sicilia (49,063 ha, + 14. 5%) e Sardegna (87,741 ha, +7.2%) (Fig. 13.4). A livello di territori più ampi, nel periodo intercorso tra i due inventari la Superficie forestale totale è aumentata di 117,944 ha (+3.2%) nelle regioni dell'Arco alpino, di 175,184 ha (+5.0%) nelle regioni dell'Appennino settentrionale e centrale e di 293,794 ha (+8.9%) nelle regioni dell'Appennino meridionale e isole.

# *I cambiamenti dell'uso e copertura del suolo*

Le variazioni della Superficie forestale totale e di quella del Bosco e delle Altre terre boscate risultanti dal confronto tra le relative stime inventariali sono state illustrate nei paragrafi precedenti. Grazie alla ripetizione della fotointerpretazione su tutti i punti del campione di prima fase e al successivo rilievo al suolo sul campione di seconda fase INFC2015 (cfr. Chaps. 2 e 3), è stato possibile verificare i cambiamenti di uso e copertura avvenuti da e verso le classi di uso e copertura forestale, individuando i punti inventariali transitati da una classe all'altra, in particolare da uso e copertura forestale ad altro uso del suolo e viceversa, e le transizioni tra macrocategorie e categorie inventariali.

La Table 13.1 riporta le stime relative alle superfici non interessate da cambiamenti tra i due inventari forestali italiani, per regioni e nazionale, e le stime delle nuove superfici forestali e delle nuove superfici in altri usi del suolo rispetto a INFC2005. Si osserva che la Superficie forestale totale confermata da INFC2015 è stimata in 10,304,862 ha (ES 0.3%), mentre la superficie confermata in uso e copertura non forestale è stimata pari a 18,914,517 ha (ES 0.2%). A livello nazionale, la nuova Superficie forestale è stimata in 749,596 ha (ES 2.7%) e la nuova superficie in altri usi del suolo è pari a 163,870 (ES 4.7%). La differenza tra queste due stime di superficie esprime il bilancio tra Superficie forestale guadagnata e perduta rispetto al precedente inventario INFC2005. Essa è pari a 585,726 ha, un valore molto vicino a quello ottenuto per differenza tra le stime di Superficie forestale totale dei due inventari riportata nella Sect. 13.2.3 . Come atteso, i due valori relativi alle variazioni della Superficie forestale differiscono leggermente, per effetto dell'incertezza che caratterizza le stime campionarie, ma la differenza non è rilevante.

La Table 13.2 riporta le stime delle superfici interessate da cambiamenti di uso e copertura da e verso le categorie inventariali Bosco e Altre terre boscate, a livello nazionale. Stime analoghe per le regioni italiane sono disponibili all'indirizzo https:// www.inventarioforestale.org/statistiche\_INFC. Si osserva che la superficie del Bosco stimata da INFC2015 che apparteneva alla classe Altre terre boscate o ad Altro uso del suolo secondo INFC2005 è pari rispettivamente a 21,174 ha e 464,818 ha. L'aumento di superficie del Bosco dovuto a trasformazione di aree prima attribuite ad Altro uso del suolo è pari al 5.3% della superficie del Bosco secondo INFC2005, mentre la perdita di superficie è del 1.5%. Il bilancio è dunque positivo per la categoria Bosco, che aumenta del 3.8%. Per le Altre terre boscate il passaggio da e verso Altro uso e copertura del suolo è più marcato, con un aumento pari a 16.7%, una diminuzione pari a 2.1% e un bilancio complessivo di +14.6%. Si registrano, inoltre, passaggi di superfici molto piccoli anche tra le due categorie inventariali, con un bilancio di poco positivo ma quantitativamente non rilevante a favore del trasferimento da Bosco ad Altre terre boscate.

# **Le variazioni dei principali caratteri dei soprassuoli**

# *Il volume totale*

INFC2005 ha stimato il volume del Bosco in Italia pari a 1,269,416,499 m<sup>3</sup> con un ES di 1.1%; con INFC2015 la stessa variabile è stimata pari a 1,502,807,089 m3 con un ES dell'1.0%. Ne risulta una variazione nelle stime quantitativamente rilevante pari a 233,390,590 m<sup>3</sup> (+18.4%).

Per le regioni, variazioni sempre positive e rilevanti si manifestano nei seguenti casi: Piemonte (17,048,366 m3, +13.1%), Lombardia (22,090,286 m3, +20.4%), Veneto (17,269,061 m3, +21.3%), Toscana (23,624,901 m3, +17.9%), Umbria (6,470,477 m3, +22.1%), Lazio (15,330,012 m3, +26.7%), Abruzzo (12,947,702 m3, +25.6%), Campania (14,259,671 m3, +33.6%) e Calabria (23,666,353 m3, + 26.9%). Per le altre regioni, le variazioni risultano sempre positive, ma in genere sono anche contenute e non rilevanti (Fig. 13.5).

Disaggregando le stesse stime di volume per categoria forestale dei Boschi alti si osserva che la variazione, sempre positiva, è rilevante per gli Altri boschi di conifere, puri e misti (6,821,805 m3, +54.5%), per le Faggete (52,532,401 m3, +21.9%), per i Querceti di rovere, roverella e farnia (16,963,720 m3, +21.9%), per le Cerrete, boschi di farnetto, fragno e vallonea (25,549,227 m3, +24.6%), per gli Ostrieti, carpineti (14,731,288 m3, +21.3%), per gli Altri boschi caducifogli (33,626,655 m3, +35.7%), e per le Leccete (15,601,302 m3, +34.2%). Per le altre categorie forestali la variazione, pur positiva, non è rilevante (Fig. 13.6). Anche per l'insieme dei Boschi alti la variazione complessiva risulta quantitativamente rilevante (236,286,163 m3, +18.8%).

Considerando l'insieme delle regioni per cui si è manifestata una variazione rilevante nella stima del volume del Bosco, l'aumento è in buona parte dovuto alla variazione positiva osservata per le regioni appenniniche, pari a oltre il 41% dell'aumento complessivo. Questa considerazione è suffragata dall'osservazione che l'aumento di volume riguarda in particolare le Faggete e i Querceti, ben presenti in queste regioni, categorie che da sole coprono quasi il 47% dell'aumento complessivo di volume.

# *La fitomassa arborea epigea*

La fitomassa arborea epigea del Bosco, espressa in termini di peso secco, è stata stimata pari a 874,443,096 Mg da INFC2005, con un ES pari a 1.0%; secondo INFC2015 la stessa grandezza ammonta a 1,044,276,604 Mg (ES di 1.0%). La variazione intervenuta tra le due rilevazioni risulta quantitativamente rilevante e pari a 169,833,508 Mg (+19.4%).

Considerando le stime per le singole regioni, si può osservare che variazioni sempre positive e rilevanti si manifestano in Piemonte (12,341,412 Mg, +14.1%), Lombardia (14,265,600 Mg, +20.8%), Veneto (10,749,400 Mg, + 21.1%), Toscana (18,499,369 Mg, +19.0%), Umbria (5,146,881 Mg, +20.8%), Lazio (12,354,594 Mg, +26.9%), Abruzzo (9,828,520 Mg, +24.5%), Campania (11,079,508 Mg, +33.2%) e Calabria (16,766,828 Mg, +28.7%), mentre nelle altre regioni le variazioni si mantengono positive ma non sono rilevanti (Fig. 13.7), in linea con le risultanze osservate nei confronti svolti per i volumi totali.

Disaggregando le stime di fitomassa arborea epigea per le categorie forestali dei Boschi alti si osserva una variazione positiva e rilevante per gli Altri boschi di conifere, puri e misti (3,887,323 Mg, +53.7%), per le Faggete (39,774,535 Mg, +21.6%), per i Querceti di rovere, roverella e farnia (13,836,869 Mg, +21.3%), per le Cerrete, boschi di farnetto, fragno e vallonea (20,477,654 Mg, +24.1%), per gli Ostrieti, carpineti (11,292,435 Mg, +19.1%), per gli Altri boschi caducifogli (24,100,050 Mg, +34.5%) e per le Leccete (15,321,040 Mg, +35.0%). Per le altre categorie forestali la variazione rimane positiva, ma più contenuta (Fig. 13.8).

Per l'insieme dei Boschi alti, la variazione è rilevante e pari al 19.8%, in linea con quanto osservato per la variazione del volume. Anche per la consistente variazione positiva della fitomassa arborea epigea si conferma l'importante contributo fornito dai boschi appenninici, soprattutto Faggete e Querceti.

# *L'incremento annuo di volume*

L'incremento annuo di volume degli alberi vivi del Bosco al momento del rilevamento inventariale INFC2005 è stato stimato in 35,872,293 m3, con un ES di stima pari

**Fig. 13.8** Estimates of the total aboveground tree biomass of Tall trees forest types from INFC2005 and INFC2015; error bars are equal to twice the standard error / Stime della fitomassa arborea epigea delle categorie forestali dei Boschi alti secondo INFC2005 e INFC2015; barre di errore pari a due volte l'errore standard

a 1.1%, mentre con INFC2015 la stessa grandezza è stimata pari a 37,787,784 m3 con un ES di 1.0%; la variazione positiva tra le due stime risulta quantitativamente rilevante e pari a 1,915,491 m<sup>3</sup> (+5.3%).

Disaggregando le stime per regione si possono osservare variazioni positive e rilevanti per Lombardia (673,572 m3, +21.4%), Umbria (208,009 m3, +25.5%), Lazio (372,571 m3, +24.1%), Abruzzo (253,181 m3, +19.2%), Molise (198,589 m3, +47.0%), Campania (439,695 m3, +28.1%) e Basilicata (330,271 m3, + 44.7%). Variazioni negative rilevanti si osservano per la Liguria (−413,453 m3, −26.2%) e per la Toscana (−603,917 m3, −14.5%). Per le altre regioni le variazioni, positive o negative, non sono rilevanti secondo il criterio adottato per il confronto (Fig. 13.9).

Le stime di incremento annuo per categoria forestale dei Boschi alti permettono di osservare variazioni positive rilevanti per i Querceti di rovere, roverella e farnia (586,013 m3, +26.5%) e per gli Altri boschi caducifogli (618,803 m3, +15.4%), mentre è negativa e quantitativamente rilevante quella per i Castagneti (−751,900 m3, −15,2%) (Fig. 13.10). Per l'insieme dei Boschi alti la variazione risulta positiva e rilevante (2,219,885 m3, +6.4%).

**Fig. 13.9** Estimates of the annual volume increment of Forest from INFC2005 and INFC2015, nationally and for individual regions; error bars are equal to twice the standard error; bars for Italy were shortened to improve readability; real values are given in numbers / Stime dell'incremento annuo di volume del Bosco secondo INFC2005 e INFC2015, a livello nazionale e per le singole regioni; barre di errore pari a due volte l'errore standard; le barre per l'Italia sono state ridotte per migliorare la lettura, i valori reali sono indicati in numero

# *Il prelievo annuo*

Il volume degli alberi utilizzati nei dodici mesi precedenti il rilevamento inventariale INFC2005 è stato stimato in 13,796,864 m3, con ES pari a 12.9%; la stima INFC2015 della stessa grandezza è pari a 9,566,257 m3 con ES uguale a 16.1%. La variazione negativa tra la due stime è pari a −4,230,607 m3 (−30.7%), valore quantitativamente non rilevante sulla base delle convenzioni adottate per il confronto. Analogamente, le differenze osservate per le singole regioni e categorie forestali risultano non rilevanti.

# *Il numero di alberi*

Un ulteriore confronto di interesse tra le stime dei due inventari nazionali riguarda il numero degli alberi vivi. Il loro numero totale per il Bosco in Italia è stato stimato da INFC2005 pari a 11,949,630,797, con un ES di 1.3%; INFC2015 ha stimato un numero totale di 11,481,562,909 alberi, con ES di 1.2%. La differenza tra le due stime

**Fig. 13.10** Estimates of the annual volume increment of Tall trees forest types from INFC2005 and INFC2015; error bars are equal to twice the standard error / Stime dell'incremento annuo di volume delle categorie forestali dei Boschi alti secondo INFC2005 e INFC2015; barre di errore pari a due volte l'errore standard

risulta dunque uguale a −468,067,888 alberi (−3.9%), variazione non rilevante visti gli intervalli di stima calcolati. Differenze positive si osservano per la Valle d'Aosta, la Lombardia, il Lazio, l'Abruzzo, il Molise e la Sardegna, mentre per le altre regioni le variazioni sono sempre negative. A livello regionale le differenze non risultano mai quantitativamente rilevanti.

A livello delle categorie forestali dei Boschi alti, si osservano variazioni positive per gli Altri boschi di conifere puri e misti (+33.2%), per i Querceti di rovere, roverella e farnia (+5.4%), per gli Altri boschi caducifogli (+10.4%), per le Sugherete (+3.1%) e per gli Altri boschi di latifoglie sempreverdi (+27.1%), mentre le differenze sono sempre negative per le altre categorie forestali. Nel complesso, considerando gli intervalli di stima, le differenze non sono mai rilevanti, ad eccezione che per la categoria dei Castagneti (−183,976,338 alberi, −16.0%).

# **References**

De Natale, F., & Gasparini, P. (2011). I cambiamenti nel periodo 1985–2005. In: P. Gasparini & G. Tabacchi (Eds.), *L'inventario Nazionale delle Foreste e dei serbatoi forestali di carbonio* *INFC2005. Secondo inventario forestale nazionale italiano. Metodi e risultati* (pp. 585–589). Edagricole-Il Sole 24 Ore, Milano. ISBN 978-88-506-5394-2.

Gregoire, T. G., & Valentine, H. T. (2008). *Sampling strategies for natural resources and the environment* (474 pp.). Chapman & Hall/CRC.

**Open Access** This chapter is licensed under the terms of the Creative Commons Attribution 4.0 International License (http://creativecommons.org/licenses/by/4.0/), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons license and indicate if changes were made.

The images or other third party material in this chapter are included in the chapter's Creative Commons license, unless indicated otherwise in a credit line to the material. If material is not included in the chapter's Creative Commons license and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.

# **Glossary/Glossario**

This glossary provides definitions of technical terms as they were intended in INFC, which are relevant to the reading of this book. More rigorous definitions in other books might differ from those listed, especially for terms not commonly agreed upon in the existing research/Questo glossario riporta le definizioni di termini tecnici come adottate per INFC e che sono rilevanti per la lettura di questa pubblicazione. Definizioni più rigorose in altri libri potrebbero differire da quelle qui proposte, soprattutto per i termini con definizione non unanimemente accettata.


P. Gasparini et al. (eds.), *Italian National Forest Inventory—Methods and Results of the Third Survey*, Springer Tracts in Civil Engineering,

https://doi.org/10.1007/978-3-030-98678-0

<sup>©</sup> The Editor(s) (if applicable) and The Author(s) 2022

meridian. They can be geographic coordinates (angles, i.e., latitude and longitude) or plane coordinates (distances, e.g., N, E). The third coordinate, when present, is height above ellipsoid or altitude above sea level/Coppia o terna di valori che individuano univocamente la posizione di un punto sulla superficie terrestre rispetto a un parallelo e a un meridiano di riferimento. Esse possono essere c. geografiche (angoli, latitudine e longitudine) o c. piane (distanze, es. N, E). La terza coordinata, quando presente, è l'altezza sull'ellissoide o la quota sul livello del mare.


in grado di raggiungere le soglie di copertura e altezza; le aree temporaneamente prive di soprassuolo per effetto di tagli a raso o disastri naturali; strade forestali, viali tagliafuoco e piccole aree prive di copertura; fasce di alberi con larghezza maggiore di 20 m; impianti di querce da sughero.


uniform scale. The geometric rectification, resampling and georeferencing make it overlap other maps/Foto area o satellitare con le stesse proprietà di una proiezione ortografica, derivata da immagini con prospettiva convenzionale, con scala resa uniforme. La correzione geometrica, il ricampionamento e la georeferenziazione la rendono sovrapponibile alle mappe del territorio.


un'indagine conoscitiva, a partire dalla definizione degli aspetti progettuali (scelta del piano di campionamento e delle modalità di rilevamento), fino ai dettagli organizzativi (formazione dei rilevatori, preparazione dei manuali) e operativi (realizzazione di applicativi per l'inserimento dei dati, controlli sul database, assistenza tecnica ai rilevatori, controlli di qualità, collaudi) della raccolta di dati.


**Variable/Variabile** In INFC it is used as a synonym of attribute; the object of the estimate/In INFC è sinonimo di attributo, la grandezza oggetto della stima.