Accademia Italiana di Scienze Forestali

Italian Academy of Forest Sciences

Foderi C., Vacchiano G. – Modelli di rischio di innesco di incendio in Valle d’Aosta: analisi delle interazioni tra componenti naturali e antropiche per l’ottimizzazione dei modelli

doi.org/10.4129/2cis-cf-mod

Citazione/Citation
Foderi C., Vacchiano G. – Modelli di rischio di innesco di incendio in Valle d’Aosta: analisi delle interazioni tra componenti naturali e antropiche per l’ottimizzazione dei modelli. In: Atti del II Congresso Internazionale di Selvicoltura. Progettare il futuro per il settore forestale, Firenze, 26-29 novembre 2014. Firenze: Accademia Italiana di Scienze Forestali. Vol. 1, p. 426-431. ISBN 978-88-87553-21-5. http://dx.doi.org/10.4129/2cis-cf-mod

Titolo: Modelli di rischio di innesco di incendio in Valle d’Aosta: analisi delle interazioni tra componenti naturali e antropiche per l’ottimizzazione dei modelli
Title: Wildfire ignition risk modeling in Aosta Valley: natural and anthropogenic components interactions analysis for models optimization

Riassunto: In questo lavoro sono stati impiegati modelli di probabilità del rischio di innesco degli incendi basati su un algoritmo di massima entropia implementato nel software Maxent. Il modello di rischio è stato implementato per il territorio della Regione Autonoma Valle d’Aosta partendo da un archivio regionale di inneschi registrati dal 1995 al 2009. L’archivio è stato suddiviso in base alla stagione e alla tipologia di vegetazione interessata dagli inneschi; sono stati così analizzati separatamente 3 dataset: i) incendi invernali in bosco; ii) incendi invernali su prati-pascoli ed incolti; iii) incendi estivi. I predittori considerati per la caratterizzazione degli inneschi sono stati individuati tra quelli che descrivono la morfologia, il clima e l’uso del suolo nel territorio investigato. La componente antropica è stata considerata includendo tra i predittori la distanza del punto di innesco dagli edifici e dalla rete viaria. Inoltre, per indagare le relazioni esistenti tra il rischio di innesco e la realtà socio-economica del territorio, sono stati inseriti i dati relativi al numero di capi al pascolo e alla consistenza numerica delle aziende zootecniche con animali al pascolo, ricavati dal più recente censimento ISTAT dell’agricoltura (2010). Per limitare gli errori causati da multi-collinearità dei predittori ambientali è stata condotta una analisi delle componenti principali (PCA). I modelli sono stati prodotti utilizzando il 70% dei punti dei dataset e validati utilizzando il restante 30% come test indipendente, selezionato tramite bootstrap su 5 reiterazioni di calcolo per ciascun dataset. I predittori ambientali sono stati analizzati con una procedure di Leave One Out con il metodo JRR per misurare l’apporto delle singole variabili all’accuratezza modello.

Summary: In this work were used probability risk models of wildfire ignition based on the maximum entropy algorithm, implemented in Maxent software. The risk model has been implemented for the Autonomous Region of Valle d’Aosta from a regional archive of ignitions recorded from 1995 to 2009. The archive has been split according to the season and the vegetation type affected by ignition; 3dataset were analyzed separately: i) winter forest fires; ii) winter fires on grassland and uncultivated area; iii) summer fires. The predictors considered for the characterrization of ignitions were selected from among those that represent the expression of morphology, climate and land use of the area investigated; distances from buildings and roads was considered to evaluate the anthropogenic component. In addition, to investigate relationship between the risk of ignition and the socioeconomic reality of the territory, were included data for the number of animals grazing and the number of farms with grazing animals, derived from the most recent agriculture census ISTAT (2010). To reduce errors caused by multi-collinearity of the environmental predictors was conducted a principal components analysis (PCA). The models were produced using 70% of the points of the datasets and validated using the remaining 30% as test independently selected by bootstrap on 5 calculation replicates for each dataset. The predictors were analyzed with a JRR Leave One Out procedure for measuring the contribution of the individual variables to models accuracy.

Parole chiave: incendi boschivi, MaxEnt, modello di rischio, PCA, innesco.
Keywords: forest fire, MaxEnt, risk model, PCA, ignition.

Download PDF file