Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp Prati, pascoli e paesaggio alpino - SoZooAlp
Fig. 6.2 Esempio di coenocline Fig. 6.2 Esempio di coenocline Abbondanza 111 PRATI, PASCOLI E PAESAGGIO ALPINO scale empiriche. I più noti sono di Ellenberg, autore del metodo, e di Landolt 23 . Essendo desunti dalla distribuzione delle specie nei vari ambienti e cenosi, essi valgono soltanto per le piante nelle comunità naturali, ossia soggette alla competizione, non in coltura pura, dove il comportamento può essere diverso. I metodi delle medie ponderate si possono applicare a tutti i tipi di dati, inclusi quelli di presenza/assenza, per i quali tutto si riduce al calcolo di semplici medie aritmetiche. 6.3. L’analisi di gradiente indiretta Variabile ambientale Mentre l’analisi di gradiente diretta descrive le specie e le biocenosi lungo specifici gradienti ecologici, l’approccio indiretto indaga le relazioni tra le comunità e l’ambiente in due momenti. In una prima fase ordina i dati della matrice di comunità esclusivamente 23 Gli indici di Ellenberg riguardano sei variabili ambientali, tre climatiche (luce, temperatura e continentalità) e tre edafiche (umidità, acidità e nitrofilia), con indicazioni aggiuntive sulla salinità del substrato e sulla tolleranza ai metalli pesanti. Hanno una scala da 1 a 9, ad eccezione dell’indice di umidità, che ha scala 1-12, e di salinità, con scala 1-3. Furono elaborati da Hellenberg per la flora centroeuropea e successivamente vennero estesi anche a Polonia, Ungheria e al Mediterraneo, in quest’ultimo caso aggiungendo alle cale della luce e temperatura i valori 10, 11 e 12, come già per la scala dell’umidità. Gli indici di Landolt sono otto (quelli di Ellenberg, più granulometria e humus), valutati su una scala da 1 a 5, con indicazioni supplementari sulla salinità (due categorie). Essi specifici per ambienti alpini e subalpini. Con lo stesso criterio, altri autori hanno caratterizzato le specie rispetto al grado di adattamento al disturbo (indice di Emerobia) e rispetto al valore foraggero, inteso come valore nutrizionale della pianta allo stato verde e naturale. L’indice di Emerobia, che varia su una scala da 1 a 10, è stato introdotto da Kovarik calcolando la frequenza percentuale delle specie nei diversi tipi di ambiente, da quello più naturale a quello più antropizzato. Gli indici foraggeri più noti sono quelli di Daget et Poissonet, di De Vries, di Klapp, di Knapp e di Stählin, per i quali si rimanda al capitolo relativo alle prerogative foraggere dei pascoli.
Fausto Gusmeroli in rapporto alla struttura stessa dei dati; successivamente interpreta i dati ordinati alla luce della matrice ambientale. La prima fase è realizzata applicando alla matrice di comunità delle tecniche di ordinamento, il cui scopo è riassumere l’informazione, controllando il rumore e mettendo in risalto la struttura delle relazioni tra i popolamenti. Tutto questo è ottenuto riducendo la dimensionalità dei dati, ossia rappresentandoli in uno spazio matematico a poche dimensioni (possibilmente due-tre, dato che oltre lo spazio multidimensionale diventa inimmaginabile e non riproducibile graficamente), dove sia rispecchiata la matrice di somiglianza/dissomiglianza tra i popolamenti. Le molte variabili descrittive originarie (le specie) sono sostituite con poche nuove variabili o assi artificiali, utilizzati poi per l’analisi ecologica vera e propria attuata per mezzo delle tecniche di regressione o di correlazione con i parametri ambientali. Come si è già avuto occasione di sottolineare, oggetti e variabili descrittive di una matrice possono invertirsi di ruolo, ossia le tecniche multivariate si possono applicare in un duplice modo. L’ordinamento, come d’altro canto il clustering, può dunque riguardare tanto i popolamenti, quanto le specie, separatamente o anche congiuntamente. Altro aspetto degno di essere ripreso è che, sebbene l’ordinamento intenda la vegetazione essenzialmente come un continuum, si presta anche alla classificazione, sovrapponendosi così in parte alle tecniche di clustering. La divergenza sostanziale sta nell’obiettivo principale, che per l’ordinamento è la riduzione della dimensionalità, per il clustering l’arrangiamento degli oggetti in una struttura. Se, dunque, l’ordinamento può sussistere anche senza il clustering, il contrario è più problematico. In ogni caso, si ribadisce, è sempre consigliabile un uso combinato delle due metodologie, a beneficio di un’informazioni più sicura ed esauriente. I metodi di ordinamento sono molteplici e si distinguono in metrici e non metrici. In ecologia vegetale si usano in pratica solo quelli metrici (il solo procedimento non metrico usato con una certa frequenza è lo scaling muldimensionale) e tra essi, come visto, in particolare l’analisi di corrispondenza, detta anche di ordinamento reciproco (COA - Correspondence analisys o RA - Reciprocal averging). La tecnica di riferimento generale, equivalente per importanza all’analisi della varianza nel campo unidimensionale, rimane tuttavia l’analisi delle componenti principali (PCA - Principal component analysis), la cui conoscenza è utile per comprendere le altre tecniche 24 . Presupposto fondamentale per l’applicazione di questi metodi è che le variabili descrittive siano tra loro correlate, ossia portino informazione in parte comune (ridondante). Questo permette di sostituirle con nuove variabili artificiali (le componenti, le corrispondenze o altro, secondo il metodo) che, diversamente dalle originarie, sono incorrelate e non equamente informative. Se le correlazioni sono molto strette, poche nuove variabili sono in grado di 24 L’analisi delle componenti principali fu sviluppata da Eugenio Beltrami nel 1873, resa operativa nelle scienze sperimentali da Karl Pearson nel 1901 e approfondita da Hotelling negli anni trenta. Non diversamente da buona parte delle tecniche multivarate, rimase tuttavia per vari decenni di interesse solo teorico, causa la laboriosità di calcolo. Le prime applicazioni in campo ecologico si ebbero negli anni cinquanta ad opera di Goodall, ma la sua definitiva affermazione risale agli anni sessanta con l’avvento dei calcolatori. Fino ad allora, l’ordinamento era attuato con procedure meno laboriose, ma piuttosto incomplete (non tenevano conto di tutte le specie, ma solo di poche indicatrici) e soggettive (richiedevano la specifica di pesi, la selezione di punti estremi o altro). La più utilizzata era l’ordinamento polare, cosiddetto in quanto ai due oggetti più distanti era assegnato il ruolo di poli dell’asse di ordinamento e gli altri oggetti erano collocati in accordo con le loro distanze da essi. Altri assi erano poi estratti selezionando le nuove coppie di oggetti più distanti. 112
- Page 62 and 63: Fenomeni di eutrofizzazione in un p
- Page 64 and 65: 63 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 66: 65 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 69 and 70: Fausto Gusmeroli 4. La vEgEtazIoNE
- Page 71 and 72: Fausto Gusmeroli Tab. 4.1 Tab. Comu
- Page 73 and 74: Fausto Gusmeroli Fig. 4.2 I due tip
- Page 75 and 76: Fausto Gusmeroli Fig. 4.3 Principal
- Page 77 and 78: Fausto Gusmeroli temperatura di 30
- Page 79 and 80: Fausto Gusmeroli Tab. 4.3 Scale di
- Page 81 and 82: Fig. 4.4 Fausto Gusmeroli Tre ogget
- Page 83 and 84: Fausto Gusmeroli Le principali stan
- Page 85 and 86: Fausto Gusmeroli tale sono riconduc
- Page 87 and 88: Fausto Gusmeroli ossia la loro dist
- Page 89 and 90: Fig. 5.2Fausto Gusmeroli Rappresent
- Page 91 and 92: Fig. 5.4 Effetto ricercato nel riar
- Page 93 and 94: Fausto Gusmeroli ragione e viste an
- Page 95 and 96: Fausto Gusmeroli iniziale da quelle
- Page 97 and 98: Particolarità nei dendrogrammi Fau
- Page 99 and 100: Classificazioni flessibili ottenute
- Page 101 and 102: Fausto Gusmeroli in k cluster sono
- Page 103 and 104: Fausto Gusmeroli verificare se vari
- Page 105 and 106: Fausto Gusmeroli aggiunto il nome d
- Page 107 and 108: Fausto Gusmeroli scinale (più even
- Page 109 and 110: Funzione di risposta della specie l
- Page 111: Fausto Gusmeroli semplice: i parame
- Page 115 and 116: Fausto Gusmeroli Fig. 6.3 Derivazio
- Page 117 and 118: Fig. 6.5 Fausto Gusmeroli Diagrammi
- Page 119 and 120: Vari tipi di biplot ottenuti sulla
- Page 121 and 122: Fausto Gusmeroli Dato che COA adott
- Page 123 and 124: Fausto Gusmeroli Lo scaling multidi
- Page 125 and 126: Diagramma di detrito Fausto Gusmero
- Page 127 and 128: Fausto Gusmeroli lettura. Se vi son
- Page 129 and 130: Fausto Gusmeroli getazionali. La di
- Page 131 and 132: Fausto Gusmeroli semplicemente nell
- Page 133 and 134: Fausto Gusmeroli 7. IL PaEsaggIo Na
- Page 135 and 136: Fausto Gusmeroli revoli ha portato
- Page 137 and 138: Fausto Gusmeroli deriva un’ulteri
- Page 139 and 140: Fausto Gusmeroli Tab. Tab. 7.2 Sche
- Page 141 and 142: Fausto Gusmeroli 9 Faggeta 140
- Page 143 and 144: Fausto Gusmeroli 7.4. Le foreste di
- Page 145 and 146: Fausto Gusmeroli de l’appartenenz
- Page 147 and 148: Fausto Gusmeroli che si aggiungono
- Page 149 and 150: Fausto Gusmeroli 19 Associazione di
- Page 151 and 152: Fausto Gusmeroli Praterie naturali:
- Page 153 and 154: Fausto Gusmeroli ha bisogno di norm
- Page 155 and 156: Fausto Gusmeroli 25 26 27 28 Agroec
- Page 157 and 158: Fausto Gusmeroli dominio della vege
- Page 159 and 160: Fausto Gusmeroli e altro), con l’
- Page 161 and 162: Fausto Gusmeroli Tab. 8.1 Schema si
Fig. 6.2<br />
Esempio di coenocline<br />
Fig. 6.2<br />
Esempio di coenocline<br />
Abbondanza<br />
111<br />
PRATI, PASCOLI E PAESAGGIO ALPINO<br />
scale empiriche. I più noti sono di Ellenberg, autore del metodo, e di Landolt 23 . Essendo<br />
desunti dalla distribuzione delle specie nei vari ambienti e cenosi, essi valgono soltanto<br />
per le piante nelle comunità naturali, ossia soggette alla competizione, non in coltura<br />
pura, dove il comportamento può essere diverso.<br />
I metodi delle medie ponderate si possono applicare a tutti i tipi di dati, inclusi quelli<br />
di presenza/assenza, per i quali tutto si riduce al calcolo di semplici medie aritmetiche.<br />
6.3. L’analisi di gradiente indiretta<br />
Variabile ambientale<br />
Mentre l’analisi di gradiente diretta descrive le specie e le biocenosi lungo specifici<br />
gradienti ecologici, l’approccio indiretto indaga le relazioni tra le comunità e l’ambiente<br />
in due momenti. In una prima fase ordina i dati della matrice di comunità esclusivamente<br />
23 Gli indici di Ellenberg riguardano sei variabili ambientali, tre climatiche (luce, temperatura e continentalità)<br />
e tre edafiche (umidità, acidità e nitrofilia), con indicazioni aggiuntive sulla salinità del substrato e sulla tolleranza<br />
ai metalli pesanti. Hanno una scala da 1 a 9, ad eccezione dell’indice di umidità, che ha scala 1-12, e di salinità,<br />
con scala 1-3. Furono elaborati da Hellenberg per la flora centroeuropea e successivamente vennero estesi anche a<br />
Polonia, Ungheria e al Mediterraneo, in quest’ultimo caso aggiungendo alle cale della luce e temperatura i valori 10,<br />
11 e 12, come già per la scala dell’umidità. Gli indici di Landolt sono otto (quelli di Ellenberg, più granulometria e<br />
humus), valutati su una scala da 1 a 5, con indicazioni supplementari sulla salinità (due categorie). Essi specifici per<br />
ambienti alpini e subalpini.<br />
Con lo stesso criterio, altri autori hanno caratterizzato le specie rispetto al grado di adattamento al disturbo (indice<br />
di Emerobia) e rispetto al valore foraggero, inteso come valore nutrizionale della pianta allo stato verde e naturale.<br />
L’indice di Emerobia, che varia su una scala da 1 a 10, è stato introdotto da Kovarik calcolando la frequenza<br />
percentuale delle specie nei diversi tipi di ambiente, da quello più naturale a quello più antropizzato. Gli indici<br />
foraggeri più noti sono quelli di Daget et Poissonet, di De Vries, di Klapp, di Knapp e di Stählin, per i quali si<br />
rimanda al capitolo relativo alle prerogative foraggere dei <strong>pascoli</strong>.