I cambiamenti climatici e le modificazioni dell’ambiente risultano tra le questioni più urgenti dell’Antropocene. Queste alterazioni sono in grado di generare effetti diretti e indiretti sulla maggior parte dei processi fondamentali del nostro pianeta, innescando crescenti preoccupazioni globali in merito alla biodiversità, alla sicurezza alimentare e alla produzione di energia. Negli ultimi 50 anni il principale responsabile dei cambiamenti globali risulta essere l’uomo, che attraverso l’uso massiccio di combustibili fossili e le alterazioni dell’ambiente ha determinato un’importante accelerazione in questi cambiamenti a livello globale. Tra i fenomeni che minacciano maggiormente l’integrità degli ecosistemi vi è l’alterazione dei “regimi di disturbo” (collegata direttamente e indirettamente al cambiamento climatico ed alle attività umane), che modifica gli elementi dell'ambiente biologico e/o fisico provocando trasformazioni altamente visibili, rapide e persistenti. Tra i disturbi più studiati, fortemente legati ai cambiamenti globali, vi sono gli incendi e le invasioni biologiche. Questi disturbi minacciano sempre più la biodiversità globale, l'economia, la sicurezza alimentare, come anche la salute umana. La modellistica ecologica e le tecniche di telerilevamento risultano uno strumento molto efficace per lo studio dei disturbi, in quanto permettono di individuare e caratterizzare questi fenomeni in maniera spazialmente esplicita, riuscendo anche a quantificare l’entità del danno. Il presente lavoro di tesi si inserisce in questo contesto attraverso l’approfondimento delle tecniche di modellistica ecologica e telerilevamento, ponendo come obbiettivo lo studio delle dinamiche tra vegetazione e fauna in relazione ai regimi di disturbo. L’attenzione è stata rivolta in particolare verso le due tipologie di disturbo precedentemente citate: gli incendi e le invasioni biologiche, che sono stati indagati all’interno di diversi ambiti (agronomico, sanitario, conservazionistico) e a diverse scale spaziali (locale e continentale). I risultati ottenuti potranno fornire utili approcci metodologici nella definizione e nell’attuazione delle politiche di conservazione e gestione dei disturbi, costituendo una grande risorsa soprattutto in considerazione delle problematiche che tali eventi comportano a livello di ambiente naturale ed antropico.

Geostatistica e machine learning nell'analisi dei disturbi ecosistemici. Tecniche avanzate di monitoraggio per la salvaguardia della biodiversità e del benessere umano / DE SIMONE, Walter. - (2022 Jul 14).

Geostatistica e machine learning nell'analisi dei disturbi ecosistemici. Tecniche avanzate di monitoraggio per la salvaguardia della biodiversità e del benessere umano.

DE SIMONE, WALTER
2022-07-14

Abstract

I cambiamenti climatici e le modificazioni dell’ambiente risultano tra le questioni più urgenti dell’Antropocene. Queste alterazioni sono in grado di generare effetti diretti e indiretti sulla maggior parte dei processi fondamentali del nostro pianeta, innescando crescenti preoccupazioni globali in merito alla biodiversità, alla sicurezza alimentare e alla produzione di energia. Negli ultimi 50 anni il principale responsabile dei cambiamenti globali risulta essere l’uomo, che attraverso l’uso massiccio di combustibili fossili e le alterazioni dell’ambiente ha determinato un’importante accelerazione in questi cambiamenti a livello globale. Tra i fenomeni che minacciano maggiormente l’integrità degli ecosistemi vi è l’alterazione dei “regimi di disturbo” (collegata direttamente e indirettamente al cambiamento climatico ed alle attività umane), che modifica gli elementi dell'ambiente biologico e/o fisico provocando trasformazioni altamente visibili, rapide e persistenti. Tra i disturbi più studiati, fortemente legati ai cambiamenti globali, vi sono gli incendi e le invasioni biologiche. Questi disturbi minacciano sempre più la biodiversità globale, l'economia, la sicurezza alimentare, come anche la salute umana. La modellistica ecologica e le tecniche di telerilevamento risultano uno strumento molto efficace per lo studio dei disturbi, in quanto permettono di individuare e caratterizzare questi fenomeni in maniera spazialmente esplicita, riuscendo anche a quantificare l’entità del danno. Il presente lavoro di tesi si inserisce in questo contesto attraverso l’approfondimento delle tecniche di modellistica ecologica e telerilevamento, ponendo come obbiettivo lo studio delle dinamiche tra vegetazione e fauna in relazione ai regimi di disturbo. L’attenzione è stata rivolta in particolare verso le due tipologie di disturbo precedentemente citate: gli incendi e le invasioni biologiche, che sono stati indagati all’interno di diversi ambiti (agronomico, sanitario, conservazionistico) e a diverse scale spaziali (locale e continentale). I risultati ottenuti potranno fornire utili approcci metodologici nella definizione e nell’attuazione delle politiche di conservazione e gestione dei disturbi, costituendo una grande risorsa soprattutto in considerazione delle problematiche che tali eventi comportano a livello di ambiente naturale ed antropico.
14-lug-2022
Geostatistica e machine learning nell'analisi dei disturbi ecosistemici. Tecniche avanzate di monitoraggio per la salvaguardia della biodiversità e del benessere umano / DE SIMONE, Walter. - (2022 Jul 14).
File in questo prodotto:
File Dimensione Formato  
Tesi_Dottorato_Walter_De_Simone_XXXIV_Ciclo_REV.pdf

accesso aperto

Descrizione: Geostatistica e machine learning nell'analisi dei disturbi ecosistemici. Tecniche avanzate di monitoraggio per la salvaguardia della biodiversità e del benessere umano.
Tipologia: Tesi di dottorato
Dimensione 7.24 MB
Formato Adobe PDF
7.24 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11697/192071
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact