V. 79 N. 5-6 (2024)
Articoli Scientifici

Monitoraggio delle infestazioni di insetti in aree urbane tramite serie temporali PlanetScope

PDF
  • Francesco Parisi,
  • Valentina Falanga,
  • Saverio Francini,
  • Giovanni D'Amico,
  • Gherardo Chirici,
  • Bruno Lasserre,
  • Marco Marchetti
Francesco Parisi
Dipartimento di Bioscienze e Territorio, Università degli Studi del Molise, C. da Fonte Lappone, 86090 Pesche (IS), Italy.
Valentina Falanga
Dipartimento di Bioscienze e Territorio, Università degli Studi del Molise, C. da Fonte Lappone, 86090 Pesche (IS), Italy.
Saverio Francini
Dipartimento di Scienze e Tecnologie Agro-alimentari (DISTAL), Università di Bologna, 40126 Bologna, Italy.
Giovanni D'Amico
geoLAB - Laboratorio di Geomatica Forestale, Dipartimento di Scienze e Tecnologie Agrarie, Alimentari, Ambientali e Forestali, Università degli Studi di Firenze, Via San Bonaventura 13, 50145 Firenze, Italy.
Gherardo Chirici
NBFC, National Biodiversity Future Center, Palermo 90133, Italy. geoLAB - Laboratorio di Geomatica Forestale, Dipartimento di Scienze e Tecnologie Agrarie, Alimentari, Ambientali e Forestali, Università degli Studi di Firenze, Via San Bonaventura 13, 50145 Firenze, Italy. Fondazione per il Futuro delle Città, Firenze, Italy.
Bruno Lasserre
Dipartimento di Bioscienze e Territorio, Università degli Studi del Molise, C. da Fonte Lappone, 86090 Pesche (IS), Italy.
Marco Marchetti
Sapienza Università di Roma, Dipartimento di Architettura e Progetto, Via Flaminia, 359, 00196 Roma, Italy.
DOI: https://doi.org/10.36253/ifm-1150

Pubblicato 2025-02-07

Parole chiave

  • cocciniglia tartaruga; città di Roma;,
  • Renormalized Difference Vegetation Index; alberi infestati

Come citare

Parisi, F., Falanga, V., Francini, S., D’Amico, G., Chirici, G., Lasserre, B., & Marchetti, M. (2025). Monitoraggio delle infestazioni di insetti in aree urbane tramite serie temporali PlanetScope. L’Italia Forestale E Montana, 79(5-6), 203–215. https://doi.org/10.36253/ifm-1150

Copyright (c) 2025 Francesco Parisi, Valentina Falanga, Saverio Francini, Giovanni D'Amico, Gherardo Chirici, Bruno Lasserre, Marco Marchetti

Creative Commons License

Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale 4.0 Internazionale.

Abstract

Il presente studio si propone di valutare l’efficacia del telerilevamento nel monitorare l’invasione della cocciniglia tartaruga (Toumeyella parvicornis Cockerell) a carico del pino domestico (Pinus pinea L.) nella città di Roma, utilizzando immagini di PlanetScope, ideali per rilevare focolai di infestazioni in aree urbane e periurbane.

Per condurre la ricerca, è stato creato un dataset di riferimento contenente 238 alberi sani in Toscana e 2023 alberi danneggiati nelle aree verdi di Roma.

Sono state analizzate oltre 30.000 immagini PlanetScope, testando l’efficacia dell’indice RDVI (Renormalized Difference Vegetation Index) nel rilevamento delle infestazioni di pino domestico. I risultati mostrano un calo significativo dell’indice RDVI durante l’estate nelle aree infestate, mentre gli alberi sani sono rimasti stabili. Integrando dati a terra e telerilevati, sono state esaminate diverse soglie di RDVI, individuando la più accurata nella discriminazione tra alberi sani e danneggiati.

La soglia identificata ha fornito un’accuratezza del 99% nel rilevare gli alberi infestati. Tuttavia, si riconosce che il dataset degli alberi sani proveniva da aree forestali naturali, dove è prevista un’attività fotosintetica più elevata rispetto alle aree verdi urbane. Dai risultati ottenuti possiamo affermare che il monitoraggio delle foreste urbane tramite immagini satellitari è fondamentale per gestire le infestazioni di parassiti.

PDF

Riferimenti bibliografici

  1. Abd El-Ghany N.M., Shadia E Abd E.A., Shahira S. M., 2020 – A review: application of remote sensing as a promising strategy for insect pests and diseases management. Environmental Science and Pollution Research, 27 (27), 33503–33515. https://doi:10.1007/s11356-020-09517-2.
  2. Aragones D., Rodriguez-Galiano V.F., Caparros-Santiago J.A., Navarro-Cerrillo R.M., 2019 – Could land surface phenology be used to discriminate Mediterranean pine species? International Journal of Applied Earth Observation and Geoinformation, 78 (August 2018), 281–294. doi:10.1016/j.jag.2018.11.003.
  3. Boselli M., Vai N., Mirotti A., Mazziini F., Mazzoni F., Mosti M., Foschi S., Scapini C., 2018 – Crisicoccus pini (homoptera, pseudococcidae) in Emilia Romagna: delimitazione dell’area infestata e piano di controllo. Atti Giornate Fitopatologiche, 265–272.
  4. Capotorti G., Alós Ortí M.M., Copiz R., Fusaro L., Mollo B., Salvatori E., Zavattero L., 2019 – Biodiversity and ecosystem services in urban green infrastructure planning: A case study from the metropolitan area of Rome (Italy). Urban For Urban Green, 37 (December 2017), 87–96; https://doi:10.1016/j.ufug.2017.12.014.
  5. CFN C.F.N., 2020 – Linee guida per la gestione del fitomizo TOUMEYELLA PARVICORNIS (COCKERELL ). 1–20.
  6. D’Amico G., Francini S., Parisi F., Vangi E., Santis E. De, Travaglini D., Chirici G., 2023 – Multitemporal Optical Remote Sensing to Support Forest Health Condition Assessment of Mediterranean Pine Forests in Italy. Springer Proceedings in Earth and Environmental Sciences, Part F639, 113–123; https://doi:10.1007/978-3-031-25840-4_15.
  7. Dalponte M., Solano-Correa Y.T., Frizzera L., Gianelle D., 2022 – Mapping a European Spruce Bark Beetle Outbreak Using Sentinel-2 Remote Sensing Data. Remote Sens (Basel), 14 (13); https://doi:10.3390/rs14133135.
  8. EFSA PLH Panel (EFSA Panel on Plant Health), Bragard C., Baptista P., Chatzivassiliou E., Serio F. Di, Gonthier P., Jaques Miret J.A., Fejer Justesen A., Magnusson C.S., Milonas P., Navas-Cortes J.A., Parnell S., Potting R., Reignault P.L., Stefani E., Thulke H.H., Werf W. Van der, Vicent Civera A., Yuen J., Zappalà L., Grégoire J.C., Malumphy C., Kertesz V., Maiorano A., MacLeod A., 2022 – Pest categorisation of Toumeyella parvicornis. EFSA Journal, 20 (3); https://doi:10.2903/j.efsa.2022.7146.
  9. Francini S., McRoberts R.E., Giannetti F., Mencucci M., Marchetti M., Scarascia Mugnozza G., Chirici G., 2020 – Near-real time forest change detection using PlanetScope imagery. Eur J Remote Sens, 53 (1), 233–244; https://doi:10.1080/22797254.2020.1806734.
  10. Francini S., Schelhaas M.J., Vangi E., Lerink B.J., Nabuurs G.J., McRoberts R.E., Chirici G., 2024a – Forest species mapping and area proportion estimation combining Sentinel-2 harmonic predictors and national forest inventory data. International Journal of Applied Earth Observation and Geoinformation, 131 (May), 103935; https://doi:10.1016/j.jag.2024.103935.
  11. Francini S., Chirici G., Chiesi L., Costa P., Caldarelli G., Mancuso S., 2024b – Global spatial assessment of potential for new peri-urban forests to combat climate change. Nature Cities, 1 (4), 286–294; https://doi:10.1038/s44284-024-00049-1.
  12. Garonna A. Pietro, Scarpato S., Vicinanza F., Espinosa B., 2015 – First report of Toumeyella parvicornis (Cockerell) in Europe (Hemiptera: Coccidae). Zootaxa, 3949 (1), 142–146; https://doi:10.11646/zootaxa.3949.1.9.
  13. Gonthier P., Lione G., Borgogno Mondino E., 2012 – Tree health monitoring: perspectives from the visible and near infrared remote sensing. Forest@ - Rivista di Selvicoltura ed Ecologia Forestale, 9 (2), 89–102; https://doi:10.3832/efor0691-009.
  14. He D., Shi Q., Xue J., Atkinson P.M., Liu X., 2023 – Very fine spatial resolution urban land cover mapping using an explicable sub-pixel mapping network based on learnable spatial correlation. Remote Sens Environ, 299; https://doi:10.1016/j.rse.2023.113884.
  15. Hlásny T., Zimová S., Merganičová K., Štěpánek P., Modlinger R., Turčáni M., 2021 – Devastating outbreak of bark beetles in the Czech Republic: Drivers, impacts, and management implications. For Ecol Manage, 490, 119075; https://doi:10.1016/J.FORECO.2021.119075.
  16. Hui K.K.W., Wong M.S., Kwok C.Y.T., Li H., Abbas S., Nichol J.E., 2022 – Unveiling Falling Urban Trees before and during Typhoon Higos (2020): Empirical Case Study of Potential Structural Failure Using Tilt Sensor. Forests, 13 (2). https://doi:10.3390/f13020359.
  17. Huo L., Persson H.J., Lindberg E., 2021 – Early detection of forest stress from European spruce bark beetle attack, and a new vegetation index: Normalized distance red & SWIR (NDRS). Remote Sens Environ, 255 (July 2020), 112240. https://doi:10.1016/j.rse.2020.112240.
  18. Khodaee M., Hwang T., Kim J.H., Norman S.P., Robeson S.M., Song C., 2020 – Monitoring forest infestation and fire disturbance in the southern appalachian using a time series analysis of landsat imagery. Remote Sens (Basel), 12 (15). https://doi:10.3390/RS12152412.
  19. Kırdar E., Özel H. B., Ertekİn M., 2010 – Effects of pruning on height and diameter growth at stone pine (Pinus pinea L.) afforestations. Bartin Orman Fakultesi Dergisi, 12 (18), 1–10. Available at: http://bof.bartin.edu.tr/.../1-10.pdf.
  20. Koeser A.K., Hasing G., McLean D., Northrop R., 2014 – Tree Risk Assessment Methods: A Comparison of Three Common Evaluation Forms. Edis, 2014 (1). https://doi:10.32473/edis-ep487-2013.
  21. Karnieli A., Agam N., Pinker R.T., Anderson M., Imhoff M.L., Gutman G.G., Panov N., Goldberg A., 2010 – Use of NDVI and land surface temperature for drought assessment: Merits and limitations. J Clim, 23 (3), 618–633. https://doi:10.1175/2009JCLI2900.1.
  22. Leach N., Coops N.C., Obrknezev N., 2019 – Normalization method for multi-sensor high spatial and temporal resolution satellite imagery with radiometric inconsistencies. Comput Electron Agric, 164 (January), 104893; https://doi:10.1016/j.compag.2019.104893.
  23. Lüttge U., Buckeridge M., 2023 – Trees: structure and function and the challenges of urbanization. Trees - Structure and Function, 37 (1), 9–16; https://doi:10.1007/s00468-020-01964-1.
  24. Mattheck C., Breloer H., 1994 – Field guide for visual tree assessment (Vta). Arboric J, 18 (1), 1–23; https://doi:10.1080/03071375.1994.9746995.
  25. Mazzeo G., Longo S., Pellizzari G., Porcelli F., Suma P., Russo A., 2014 – Exotic scale insects (Coccoidea) on ornamental plants in Italy: A never-ending story. Acta Zool Bulg, 66 (June), 55–61.
  26. Millennium Ecosystem Assessment, 2005 – Ecosystems and Human Well-being: Synthesis. Island Press, Washington, DC. https://doi:10.11646/zootaxa.4892.1.1.
  27. Morales-Gallegos L.M., Martínez-Trinidad T., Hernández-de la Rosa P., Gómez-Guerrero A., Alvarado-Rosales D., Saavedra-Romero L. de L., 2023 – Tree Health Condition in Urban Green Areas Assessed through Crown Indicators and Vegetation Indices. Forests, 14 (8). https://doi:10.3390/f14081673.
  28. Parisi F., Vangi E., Francini S., Chirici G., Travaglini D., Marchetti M., Tognetti R., 2022 – Monitoring the abundance of saproxylic red-listed species in a managed beech forest by landsat temporal metrics. For Ecosyst, 9 (February), 100050; https://doi:10.1016/j.fecs.2022.100050.
  29. Parisi F., Vangi E., Francini S., D’Amico G., Chirici G., Marchetti M., Lombardi F., Travaglini D., Ravera S., Santis E. De, Tognetti R., 2023 – Sentinel-2 time series analysis for monitoring multi-taxon biodiversity in mountain beech forests. Frontiers in Forests and Global Change, 6 (February), 1–16. https://doi:10.3389/ffgc.2023.1020477.
  30. Planet Labs PBC, 2023 – PlanetScope Product Specifications. (December), 1–38. Available at: https://assets.planet.com/docs/Planet_PSScene_Imagery_Product_Spec_letter_screen.pdf.
  31. Portoghesi L., Tomao A., Bollati S., Mattioli W., Angelini A., Agrimi M., 2022 – Planning coastal Mediterranean stone pine (Pinus pinea L.) reforestations as a green infrastructure: combining GIS techniques and statistical analysis to identify management options. Ann For Res, 65 (1), 31–46. https://doi:10.15287/afr.2022.2176.
  32. Qin J.L., Yang X.H., Yang Z.W., Luo J.T., Lei X.F., 2017 – New technology for using meteorological information in forest insect pest forecast and warning systems. Pest Manag Sci, 73 (12), 2509–2518. https://doi:10.1002/ps.4647.
  33. Shi Y., Huang W., Ye H., Ruan C., Xing N., Geng Y., Dong Y., Peng D., 2018 – Partial least square discriminant analysis based on normalized two-stage vegetation indices for mapping damage from rice diseases using planetscope datasets. Sensors (Switzerland), 18 (6), 1–16. https://doi:10.3390/s18061901.
  34. Sora N. Di, Rossini L., Contarini M., Chiarot E., Speranza S., 2022 – Endotherapic treatment to control Toumeyella parvicornis Cockerell infestations on Pinus pinea L. Pest Manag Sci, 78 (6), 2443–2448. https://doi:10.1002/ps.6876.
  35. Sora N. Di, Rossini L., Contarini M., Mastrandrea G., Speranza S., 2023. – Toumeyella parvicornis versus endotherapic abamectin: three techniques, 1 year after. Pest Manag Sci, 79 (10), 3676–3680. https://doi:10.1002/ps.7547.
  36. Stenhouse R.N., 2005 – Assessing disturbance and vegetation condition in urban bushlands. Australasian Journal of Environmental Management, 12 (1), 16–26; https://doi:10.1080/14486563.2005.10648630.
  37. Tarasov A. V., 2020 – Estimation of the accuracy of cloud masking algorithms using Sentinel-2 and PlanetScope data. Sovremennye Problemy Distantsionnogo Zondirovaniya Zemli iz Kosmosa, 17 (7), 26–38. https://doi:10.21046/2070-7401-2020-17-7-26-38.
  38. White J.C., Wulder M.A., Hermosilla T., Coops N.C., Hobart G.W., 2017 – A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sens Environ, 194, 303–321. https://doi:10.1016/j.rse.2017.03.035.
  39. Xue J., Su B., 2017 – Significant remote sensing vegetation indices: A review of developments and applications. J Sens, 2017. https://doi:10.1155/2017/1353691.
  40. Zhang J., Huang Y., Pu R., Gonzalez-Moreno P., Yuan L., Wu K., Huang W., 2019 – Monitoring plant diseases and pests through remote sensing technology: A review. Comput Electron Agric, 165 (August), 104943. https://doi:10.1016/j.compag.2019.104943.

Puoi leggere altri articoli dello stesso autore/i

<< < 2 3 4 5 6 7