A partire dagli anni ’80, oltre 300 milioni di ettari di foresta tropicale sono andati distrutti per colpa delle attività umane, come è ben documentato e descritto nel report FAO sullo stato delle foreste nel mondo.  Tuttavia, vi sono aree in cui le foreste si stanno riprendendo dagli sconvolgimenti arrecati dall’uomo, a causa dell’abbandono delle aree agricole marginali, man mano che le popolazioni rurali migrano alla volta delle aree urbane, e perché le foreste sottoposte a taglio selettivo presentano uno scarso valore commerciale dopo molti anni di estrazione del legname.
Queste foreste possono avere un alto valore ai fini della conservazione e rappresentare a livello globale importanti sink di carbonio. Identificare le perturbazioni che si sono susseguite nelle foreste è un’attività difficile, specialmente in quelle foreste che in passato sono state sottoposte a tagli selettivi. I sensori LiDAR sono in grado di misurare con alta precisione e dettaglio le alterazioni della struttura delle foreste.
In uno studio pubblicato di recente sulla rivista Remote sensing un gruppo di autori (tra questi, i ricercatori CMCC G. Vaglio Laurin e R. Valentini della Divisione IAFES) ha impiegato dati LiDAR per distinguere le aree più antiche da quelle più recenti, sottoposte a taglio selettivo e recuperate nell’arco di circa 23 anni, di una foresta della Sierra Leone, in Africa occidentale.
I risultati dimostrano come i sensori LiDAR siano uno strumento utile ed efficace per distinguere le differenze strutturali di foreste primarie e secondarie; in futuro potranno essere impiegati pertanto in programmi REDD+ (Reduction of Emissions from Deforestation and Forest Degradation) e per la realizzazione di piani di conservazione.

L’abstract dell’articolo:

Identifying historical forest disturbances is difficult, especially in selectively logged areas. LiDAR is able to measure fine-scale variations in forest structure over multiple kilometers. We use LiDAR data from ca. 16 km2 of forest in Sierra Leone, West Africa, to discriminate areas of old-growth from areas recovering from selective logging for 23 years. We examined canopy height variation and gap size distributions. We found that though recovering blocks of forest differed little in height from old-growth forest (up to 3 m), they had a greater area of canopy gaps (average 10.2% gap fraction in logged areas, compared to 5.6% in unlogged area); and greater numbers of gaps penetrating to the forest floor (162 gaps at 2 m height in logged blocks, and 101 in an unlogged block). Comparison of LiDAR measurements with field data demonstrated that LiDAR delivered accurate results. We found that gap size distributions deviated from power-laws reported previously, with substantially fewer large gaps than predicted by power-law functions. Our analyses demonstrate that LiDAR is a useful tool for distinguishing structural differences between old-growth and old-secondary forests. That makes LiDAR a powerful tool for REDD+ (Reduction of Emissions from Deforestation and Forest Degradation) programs implementation and conservation planning.

Scarica l’articolo completo.