MARZO 2015
LA PRESENZA DEL LUPO IN LIGURIA :
APPROCCIO INTEGRATO PER LA GESTIONE DEI CONFLITTI
Edoardo Velli
Regione Liguria
Parco Naturale Regionale dell’Antola
Dipartimento di Scienze dell’Ambiente e della Terra (D.S.T.A.), Università di Pavia
Laboratorio di Genetica, Istituto Superiore per la Protezione e la Ricerca Ambientale
(I.S.P.R.A.)
Co-Finanziato con Fondi POR 2007-2013 nell’ambito del progetto “Il Lupo in Liguria”
1
Regione Liguria
Parco Naturale Regionale dell’Antola
Dipartimento di Scienze della Terra e dell’Ambiente – Università degli Studi di Pavia
Laboratorio di Genetica - Istituto Superiore per la Protezione e la Ricerca Ambientale
LA PRESENZA DEL LUPO IN LIGURIA :
APPROCCIO INTEGRATO PER LA GESTIONE DEI CONFLITTI
Olio su tela di Emilia Salvini
MARZO 2015
2
A CURA DI
ALBERTO MERIGGI1
PIETRO MILANESI2
LAURA SCHENONE2
DÉSIRÉE SIGNORELLI2
MATTEO SERAFINI2
ELISA TORRETTA1
FELICE PUOPOLO2
ROMOLO CANIGLIA3
ELENA FABBRI 3
ETTORE RANDI 3
1
DIPARTIMENTO DI SCIENZE DELLA TERRA E DELL’AMBIENTE (DI.S.T.A.)
UNIVERSITÀ DEGLI STUDI DI PAVIA
2
PARCO NATURALE REGIONALE DELL’ANTOLA
3
LABORATORIO DI GENETICA
ISTITUTO SUPERIORE PER LA PROTEZIONE E LA RICERCA AMBIENTALE (I.S.P.R.A.)
3
INDICE
PREMESSA
5
PARTE I – DISTRIBUZIONE ECONSISTENZA DELLA POPOLAZIONE
6
PARTE II – SVILUPPO DI MODELLI PREDITTIVI DELLA PRESENZA DEL LUPO
38
PARTE III – LUPO E ZOOTECNIA
54
PARTE IV – SPERIMENTAZIONE DI METODI PREVENTIVI ANTI-PREDATORI
88
PARTE V – INFORMAZIONE E COMUNICAZIONE
117
DISCUSSIONE E CONCLUSIONI
124
OPERE CITATE
133
APPENDICE
142
4
PREMESSA
Il presente report riguarda i risultati della settima fase del monitoraggio del progetto regionale “Il
Lupo in Liguria”. I dati recenti, raccolti nel periodo luglio 2013–dicembre 2014 nell’intero territorio
regionale, hanno permesso di ottenere nuove informazioni su diversi aspetti relativi all’ecologia del
lupo, nonché sulla dinamica di popolazione.
Il comportamento estremamente elusivo del predatore, la bassa densità della sua popolazione
e la capacità dei singoli animali di compiere lunghi spostamenti in tempi molto brevi, rendono la
sua osservazione diretta ed il suo studio in natura estremamente complesso. Al fine di ottenere
risultati attendibili e confrontabili con quelli raccolti durante le precedenti fasi del progetto e per
individuare eventuali zone di recente o recentissima espansione dell’areale, lo schema di
campionamento adottato nelle precedenti fasi del progetto non è stato modificato. Inoltre, come per
gli anni precedenti, è stata data particolare attenzione al reperimento di campioni biologici freschi,
utili per le analisi genetiche; queste hanno permesso di discriminare i campioni appartenenti a lupi e
cani, di determinare i singoli individui, i loro spostamenti, la consistenza numerica della
popolazione.
In sintesi, questo rapporto contiene le seguenti informazioni sulla popolazione di lupo
presente in Liguria:
1) Distribuzione attuale e consistenza della popolazione;
2) Sviluppo e verifica dell’efficacia di modelli predittivi della presenza della specie;
3) Rapporto lupo-zootecnia e verifica del rischio di predazione a carico del bestiame;
4) Sperimentazione di metodi preventivi anti-predatori;
5) Attività di divulgazione.
5
PARTE I
DISTRIBUZIONE E CONSISTENZA DELLA POPOLAZIONE
foto di D. Signorelli
6
METODI
DISEGNO DI CAMPIONAMENTO
Anche nell’ultimo periodo di campionamento è stato utilizzato lo stesso schema di monitoraggio,
usato negli anni precedenti; il disegno di campionamento ha seguito il metodo Tessellation
Stratified Sampling (TSS; Barabesi e Franceschi, 2011). Questo metodo permette una migliore
distribuzione dei campioni casuali e, di conseguenza, una loro maggiore rappresentatività anche con
numerosità ridotte (Barabesi e Fattorini, 2013). La regione è stata suddivisa in 60 celle di 100 km2
(unità di campionamento, UC), con una griglia a maglie spaziate di 10 km di lato. In ogni cella della
griglia è stato selezionato casualmente almeno un transetto, coincidente con uno dei sentieri
presenti; è stata così individuata una rete di 64 percorsi rappresentativa delle principali esposizioni,
fasce altitudinali, classi di pendenza e dei differenti ambienti presenti nel territorio della regione. I
transetti selezionati hanno avuto una lunghezza variabile compresa tra 2 e 10 km, per una lunghezza
totale di 289 km (Fig. 1.1).
Fig. 1.1 Mappa della regione Liguria cui è stata sovrapposta la griglia a maglie spaziate di 10 km
e lo schema dei transetti previsti dal monitoraggio
7
Il numero massimo di transetti è stato individuato per la provincia di Genova (N=20) e quello
minimo per la provincia di La Spezia (N=10); in provincia di Genova i transetti hanno avuto la
lunghezza media maggiore, mentre quella minima è risultata per la provincia di La Spezia (Tab.
1.1).
Tab. 1.1 Statistiche descrittive della lunghezza dei transetti selezionati in ogni provincia della
Liguria
Provincia
N° transetti
Min.
Max.
Media
DS
Totale
Genova
20
2854,36
10408,44
4860,26
1781,44
97205,30
Imperia
16
2258,37
8684,07
4266,94
1549,40
68271,01
La Spezia
10
3521,05
4809,03
4032,05
369,06
40320,51
Savona
18
2831,93
8975,90
4545,32
1811,20
81815,68
Regione
64
2258,37
10408,44
4493,95
1588,60
287612,49
L’altitudine dei transetti selezionati è risultata compresa tra un minimo di 150 m s.l.m. a Savona ed
un massimo di 2050 m s.l.m. a Imperia. L’escursione altimetrica maggiore è stata registrata per la
provincia di Imperia e quella minore per la provincia di La Spezia (Tab. 1.2).
Tab. 1.2 Altitudine minima e massima (m s.l.m.) ed escursione altimetrica dei transetti selezionati
in ogni provincia della Liguria
Provincia
Altitudine min. (m s.l.m.) Altitudine Max.(m s.l.m.) Escursione (m)
Genova
350
1700
1350
Imperia
450
2050
1600
La Spezia
350
1400
1050
Savona
150
1250
1100
Regione
150
2050
1900
8
Nel periodo compreso tra giugno 2013 e dicembre 2014, ciascun transetto è stato percorso una volta
per stagione. Per ogni transetto sono stati riportati su apposite schede tutti i segni di presenza del
lupo.
In particolare, per il lupo sono stati presi in considerazione avvistamenti diretti, impronte, resti di
predazioni e feci (raccolte per le successive analisi del DNA e della dieta), mentre per le specie
preda e per i competitori sono stati considerati avvistamenti diretti, vocalizzazioni, impronte, segni
di alimentazione, siti di marcatura e feci. Per ogni segno di presenza sono stati rilevati posizione,
altitudine e ambiente di ritrovamento. Per il lupo, oltre ai segni di presenza rinvenuti lungo i
transetti, sono state raccolte e registrate anche le segnalazioni di terzi, verificate e ritenute
attendibili.
Oltre ai transetti, sono stati individuati 30 punti di marcatura per la raccolta di escrementi freschi da
destinare alle analisi genetiche. Analogamente ai transetti, è Genova la provincia con il maggior
numero di punti di marcatura (N=13), seguita da Imperia, Savona (entrambe con N=7) e La Spezia
(N=3).
ANALISI GENETICHE
La raccolta delle feci di lupo è molto utile per lo svolgimento delle analisi genetiche non invasive.
L’utilizzo delle tecniche non invasive viene, infatti, applicato allo studio di specie elusive, come i
grandi carnivori (lupo, lince, orso), perché consente di studiare le specie senza catturarle e quindi
senza creare danno o stress agli animali. Ogni genotipo può essere campionato più di una volta, il
che equivale all’osservazione ripetuta dei singoli individui. Da questi dati è possibile ottenere una
stima numerica della popolazione e informazioni di dinamica di popolazione, come l’identificazione
e localizzazione dei nuclei familiari, stime di turnover e di dispersione degli individui, e verificare
fenomeni d’ibridazione con cani. Il materiale genetico può essere estratto anche da peli, urina,
sangue e campioni di tessuto ricavati dalle carcasse degli animali. Utilizzando metodi di genetica
molecolare è possibile estrarre e analizzare il DNA delle cellule di sfaldamento dell’epitelio
intestinale che sono contenute nelle feci. Attraverso l’uso di appropriati marcatori molecolari, le
analisi di laboratorio consentono di ricostruire il profilo genetico unico per ogni individuo. I
campioni raccolti devono essere mantenuti in etanolo al 95%, al fine di garantire una corretta
disidratazione del materiale organico e interrompere i processi degradativi del materiale genetico;
9
inoltre la conservazione richiede temperature inferiori a – 20°C. Durante la fase di laboratorio il
DNA, dopo essere stato isolato dal campione biologico, viene sottoposto a ripetute PCR
(Polymerase Chain Reaction) allo scopo di ampliare regioni prescelte, che permettono quindi
l’identificazione della specie, del sesso dell’animale e dei singoli individui (Fig. 1.2).
In particolare, per identificare i genotipi individuali dei campioni di lupo sono stati utilizzati 6 loci
microsatellite: CPH2, CPH8, FH2004, FH2088, FH2096, FH2137, mentre per identificare eventuali
ibridi cane x lupo sono stati utilizzati altri sei loci microsatellite: FH2079, CPH4, CPH5, CPH12,
C09.250, C20.253. La determinazione dei genotipi individuali avviene tramite un protocollo di
controllo degli errori di tipizzazione che prevede da 4 ad 8 repliche di ogni analisi in ogni campione
non-invasivo. Dalla combinazione degli alleli osservati a ogni locus per ogni campione si ottiene un
genotipo multilocus. Se due o più campioni hanno lo stesso genotipo multilocus si assume che
appartengano allo stesso individuo, con una probabilità di identità PIO (probabilità che due
individui diversi abbiano per caso lo stesso genotipo multilocus) che può essere stimata mediante
opportuni software. I loci utilizzati hanno un alto livello di polimorfismo e consentono di
identificare i genotipi individuali con una probabilità d’identità minore di 0,001. Pertanto ogni
individuo è caratterizzato in maniera univoca. Per determinare il sesso in campioni non-invasivi si
utilizzano sequenze di DNA che sono presenti solo sui cromosomi sessuali. Nel caso del lupo, viene
analizzato il gene ZFX/ZFY che ha sequenze diverse sui due cromosomi; utilizzando opportuni
enzimi di restrizione è possibile distinguere i due sessi. Dal genotipo multilocus è possibile
distinguere se un campione fecale appartiene a un lupo italiano (Canis lupus) o ad un cane (Canis
familiaris) poiché le frequenze alleliche dei loci studiati hanno una distribuzione differente e
diagnostica in lupi e cani. Dal genotipo multilocus è possibile evidenziare anche l'eventuale
presenza d’ibridi lupo x cane. L'affidabilità dei genotipi ottenuti viene controllata utilizzando il
programma RELIOTYPE che, sulla base delle frequenze alleliche e del numero di repliche
effettuate, stima la probabilità che un genotipo sia correttamente determinato, ed eventualmente
suggerisce il numero di repliche che sono ancora necessarie, e in quali loci, per ottenere un grado di
affidabilità superiore al 95%. La stima delle probabilità d’identità tra individui con il set di loci
microsatelliti utilizzato è stata ottenuta mediante il programma GIMLET.
Le localizzazioni spazio-temporali dei ricampionamenti consentono di identificare gli individui
stabili e quelli in fase di dispersione, cioè quei giovani lupi che lasciano le aree in cui sono nati per
10
andare alla ricerca di nuovi territori dove riprodursi. I genotipi dei lupi stabili, di cui è stato
riconosciuto il sesso, sono i più probabili candidati per l’identificazione delle coppie dominanti e
territoriali che si riproducono (individui α), e che, assieme ai cuccioli dell’anno, costituiscono i
branchi. E’ stato utilizzato il software PARENTE per identificare le coppie di genitori e i figli. Tutte
le analisi genetiche sono state effettuate presso il Laboratorio di Genetica dell’I.S.P.R.A. di Ozzano
dell’Emilia (BO).
Nel presente documento sono stati stimati i territori dei branchi basandosi sulle relazioni parentali
descritte nella precedente relazione scientifica (Meriggi et al., 2012).
Fig. 1.2 Sintesi del processo di analisi genetica
11
FOTO-TRAPPOLAGGIO
Il trappolaggio video-fotografico è una tecnica che consiste nel posizionamento di dispositivi
fotografici (trappole video-fotografiche, TVF) di piccole-medie dimensioni, alimentati a batteria. Si
tratta di sistemi di rilevamento non invasivi, che non implicano la cattura o manipolazione
dell’animale, né provocano particolari alterazioni del loro comportamento (Long et al., 2008;
Gerber et al., 2012). Alle TVF è associato un sensore di movimento e/o un sensore di temperatura,
che innescano lo strumento al passaggio di un corpo con temperatura diversa da quella dello sfondo
(Rovero et al. 2013). Inoltre, le TVF sono in grado di registrare sia foto che video anche in
condizioni di assenza di luce, grazie alla presenza di led a infrarossi (foto e video sono a colori di
giorno e in bianco e nero di notte). In base agli obiettivi dello studio è possibile programmare le
TVF in modo da definire il tipo di registrazione (foto, video oppure foto e video), l’ora di
funzionamento, la sensibilità del sensore di rilevamento, la durata delle riprese e l’intervallo tra una
registrazione e l’altra. I dati vengono quindi archiviati in formato digitale in schede di memoria
situate all’interno dello strumento.
Sono disponibili diversi modelli di TVF, con specifiche tecniche differenti (e.g. ampiezza
dell’angolo e distanza di rilevamento, numero di led a infrarossi, presenza di flash, invio dati
tramite mms, ecc.), applicabili allo studio di numerose specie di vertebrati terrestri e in ogni
condizione di terreno e clima (Karanth e Nichols, 1998; O’Brien et al. 2003; Silveira et al. 2003,
O’Connel e Bailey 2011).
La scelta del modello di dispositivo e del disegno di campionamento va valutato in funzione degli
obiettivi dello studio e delle risorse a disposizione. L’uso più frequente delle TVF è quello di
documentare la presenza di una o più specie all’interno di un’area di studio (Kays et al., 2009). Con
l’impiego delle TVF possono essere determinati i ritmi d’attività e il comportamento animale (Ross
et al., 2013), è possibile elaborare modelli spaziali di occupazione (O’Connell e Bailey, 2011); è
inoltre possibile stimare l’abbondanza e la densità di specie identificabili individualmente
(MacKenzie e Nicols, 2004). Infine, questa tecnica ha costi relativamente bassi e non richiede
particolari competenze tecniche da parte degli operatori (Silveira et al., 2003). Per queste ragioni la
tecnica del foto- e video-trappolaggio risulta un valido strumento per il monitoraggio di specie
particolarmente elusive, come i grandi carnivori, presenti a basse densità e difficili da monitorare
mediante osservazione diretta (Meek et al., 2012).
12
Pertanto, nell’ambito del progetto regionale “Il Lupo in Liguria”, dal 2009 in maniera occasionale e
dal 2012 con sistematicità è stato affiancato l’uso delle TVF agli altri metodi di monitoraggio non
invasivo del lupo (e.g. transetti lineari, snow tracking, wolf-howling, campionamento genetico non
invasivo). In particolare sono state verificate le seguenti ipotesi:

il metodo è efficace per verificare la presenza del lupo;

il metodo permette di stimare la distribuzione e consistenza della popolazione;

il metodo permette di analizzare altri parametri della popolazione come il successo riproduttivo,
i ritmi d’attività e le interazioni con altre specie e con l’uomo.
Per tali ragioni si è adottato uno schema di campionamento stratificato, raggruppando le UC in base
alla probabilità di presenza della specie utilizzando le informazioni pregresse sulla distribuzione
della specie nell’area di studio. Utilizzando le informazioni raccolte nelle precedenti fasi del
progetto regionale sono state identificate tre diverse classi di UC (Meriggi et al., 2012):

UC di possibile presenza di un branco o coppia di lupi (classe 1);

UC di possibile presenza della specie (classe 2);

UC di possibile assenza della specie (classe 3).
13
Per definire le UC di possibile presenza stabile di una coppia o di un branco sono stati usati i dati
del campionamento genetico effettuato nelle precedenti fasi del progetto regionale. In particolare
sono stati sovrapposti alla griglia di campionamento i territori dei branchi individuati tramite legami
di parentela tra i genotipi campionati (Meriggi et al., 2012). Per definire le UC di potenziale
presenza del lupo, alla griglia di campionamento è stato sovrapposto l’areale del carnivoro (stimato
nelle precedenti fasi del monitoraggio tramite la raccolta di segni indiretti di presenza lungo
transetti lineari standardizzati). Le restanti UC sono state classificate di possibile assenza poiché
non sono mai stati rilevati segni di presenza della specie al loro interno.
Lo sforzo di campionamento è quindi stato calibrato sulla base di queste classi, scegliendo
arbitrariamente di campionare con più frequenza le UC di classe 1 (due o più volte durante il
campionamento) rispetto a quelle di classe 2 (almeno due volte durante il programma di
monitoraggio) e classe 3 (una volta durante il programma di monitoraggio) (Fig. 1.3).
Fig. 1.3 Schema di campionamento e distribuzione delle stazioni di monitoraggio
14
Per la raccolta dati, sono stati impiegati due modelli di TVF:
1. MultiPIR (MHC-600A 12MP) (n=5, dal 2009 al 2012; n=10, dal 2013 al 2014), dotato di
sensori laterali di preparazione che ampliano significativamente l’angolo di rilevamento e
aumentano la velocità di risposta; area di rilevamento massima a 5 metri (Fig. 1.4A);
2. IR PLUS HD (n=4 dal 2014), dotato di 64 led che ampliano significativamente l’area di
rilevamento, tarabile a 6 o 12 metri; possibilità di registrare l’audio (Fig. 1.4B).
Fig. 1.4 Foto-trappola modello Multipir 12 (A) e IR-Plus (B)
15
Le TVF sono state alimentate da batterie esterne ricaricabili da 6V (per ridurre la possibilità di
esaurimento delle batterie) e munite di maschera protettiva con lucchetto (al fine di ridurre la
possibilità di furto durante le sessioni di campionamento). Per massimizzare l’angolo e l’area di
rilevamento, le TVF sono state posizionate su supporti naturali (alberi o rocce) ad una altezza dal
suolo compresa tra 140-200 cm (Fig. 1.5).
Fig. 1.5 Esempio di TVF installata lungo sentiero
Le sessioni di foto- e video-trappolaggio sono durate da un minimo di 10 a un massimo di 260
giorni, in cui più dispositivi sono stati attivi (24 ore su 24) per registrare video della durata di 30/40
secondi. Ogni 15 giorni si è provveduto a sostituire la batteria e scaricare la scheda di memoria. Per
evitare di contattare due o più volte lo stesso individuo in un breve arco temporale (ovvero
soprastimare la dimesnione della popolazione), è stato considerato un time-lapse di 30 minuti tra un
evento di cattura e il successivo in cui compare la stessa specie.
Tutte le informazioni relative al posizionamento delle TVF sono state registrate su apposite schede
e georeferenziate. I video raccolti sono stati osservati singolarmente per determinare la specie, il
numero, il sesso e la classe di età di ogni individuo ripreso. Inoltre, per ogni registrazione sono state
registrate la data e l’ora.
16
ANALISI DEI DATI E TRATTAMENTO STATISTICO
La stima della distribuzione di utilizzo è di grande importanza per la definizione degli areali
occupati da singoli individui o da popolazioni. Una prima stima della distribuzione può essere
eseguita considerando le celle (UC) che sono risultate positive durante l’anno di monitoraggio, cioè
quelle in cui sono stati trovati segni di presenza del lupo in almeno una stagione.
Un secondo approccio, molto utilizzato, è la stima della densità di probabilità, ossia l’areale di un
animale è descritto in termini di modello probabilistico. La Kernel Analysis (KA), letteralmente
analisi del nocciolo, consente la conversione di una distribuzione discontinua di punti (segni di
presenza della specie) in una distribuzione continua, individuando dei contorni (isoplete) che
definiscono aree a valori di densità differente (Fig. 1.6). Nella KA “fissa”, caso bivariato,
supponendo che XI = [X1(1), X1(2)]'; X2 = [X2(1), X2(2]'; . . ., Xn= [Xn(1), Xn(2)]' sia un campione
casuale di n punti indipendenti di una distribuzione sconosciuta con funzione di densità di
probabilità f(x), che vogliamo stimare, lo stimatore kernel bivariato di f(x) può essere definito come:
̂( )
∑
(
)
dove la kernel K è una funzione di densità di probabilità unimodale simmetrica bivariata, e h è il
parametro di smussamento, che può essere variato dall'utente (Silverman, 1986). La stima kernel è
una funzione densità di probabilità ridotta, cioè viene posta sopra ogni punto del campione e lo
stimatore viene costruito sommando gli n punti. Quindi, dove c'è maggior concentrazione di punti
viene stimata una probabilità più elevata di trovare l'animale in ogni punto rispetto a dove vi è una
minor concentrazione. Poiché ogni kernel è una densità, la stima che ne risulta è anch’essa una
funzione di probabilità di densità. Il parametro di smussamento h (ampiezza di banda) controlla la
quantità di variazione di ciascun componente della stima. Utilizzando un valore basso di h, si
osserva un maggior adattamento ai punti, mentre un valore più grande di h li nasconde mantenendo
comunque le caratteristiche più importanti. Gli stimatori kernel fin qui considerati sono detti
stimatori fissi perché i parametri di smussamento hanno un valore fisso per tutta la superficie.
Quindi è necessario trovare il "miglior" valore di h. Il criterio per la scelta di un buon valore di h è
17
spesso espresso in termini di misura globale dell’errore, ovvero l'errore quadratico medio integrato
(MISE) definito come :
2
∫( ̂ – f )
MISE(h) =
dove E indica il valore atteso delle osservazioni. Nel caso bivariato, l'integrazione è su tutta la
superficie. Il miglior valore di h è considerato quello che minimizza l'errore quadratico medio
integrato. Purtroppo, nella scelta di h alcuni calcoli teorici mostrano che per ottenere il parametro di
smussamento ottimale, utilizzando questo criterio, abbiamo bisogno di conoscere la f(x) di densità di
distribuzione. Dunque, h non può essere ottenuto in questo modo. Un metodo per la scelta di h è
utilizzare il valore ottimale h ottenuto per un certo tipo di distribuzione, come la distribuzione
normale. Una kernel fissa normale, mostra che per la distribuzione bivariata normale con matrice di
varianza-covarianza il valore ottimale di h per un campione n di grandi dimensioni è:
h opt =
Così una stima ovvia di hopt è:
̂ opt = ̂
dove ̂
=
{ [̂
( )
̂
( )
]}e ̂
( )
̂
( )
sono le varianze stimate di X(1) e X(2). Se queste varianze
sono molto diverse può essere utile una chiusura dei dati in modo che le varianze siano uguali prima
di applicare il metodo. Bowman (1985) ha dimostrato che questo metodo di stima spesso produce
risultati migliori di metodi più sofisticati di stima univariata. Un metodo oggettivo per la stima di h,
descritto da Silverman (1986), è quello della cross-validation dei minimi quadrati. Se viene
utilizzata una kernel K fissa di densità normale bivariata, il valore di h è scelto per minimizzare:
M(h)=
∑
∑
(
) +2
K (0)
dove K* = K(2) - 2K, e K(2) è la densità bivariata normale con matrice di varianza-covarianza ( ).
18
Essendo:
E [M(h)] + ∫
2
– f )2
questo metodo fornisce una buona stima dell’errore quadratico medio integrato. Così, riducendo al
minimo M(h) riduciamo anche MISE(h). Questo tipo di analisi permette di definire delle fasce
concentriche, con densità d’osservazioni decrescente dal centro all’esterno; sono stati considerati in
particolare il contorno più esterno racchiudente il 95% delle osservazioni (KA95), rappresentante
l’areale complessivo del lupo e quello racchiudente il 50% delle osservazioni (KA50), definibile
come core area, ovvero quella porzione d’areale più intensamente frequentata.
Fig. 1.6 Distribuzione di densità stimata con la Kernel Analysis
19
Al fine di valutare l’efficacia delle TVF per il campionamento del lupo, per ogni stazione di
monitoraggio è stato misurato lo sforzo minimo di campionamento (giorni di attivazione dei
dispositivi) necessario a ottenere il primo dato di rilevamento della specie target (latency time
detection; Gompper et al., 2006) e un indice relativo d’abbondanza, calcolato come la proporzione
di contatti sul numero di giorni di campionamento (O’Brien et al., 2003; Kelly e Holub, 2008; Jenks
et al., 2011). I valori medi di questi parametri sono stati infine confrontati tra le tre classi di UC
previste dallo schema di campionamento tramite l’analisi della varianza non parametrica (test di
Kruskal-Wallis). Per ogni UC è stato calcolato il numero minimo di individui presenti in base al
numero più alto di individui registrato dalle TVF all’interno della stessa UC. È stato, così, possibile
effettuare una stima della popolazione minima presente sul territorio ligure durante gli anni di
campionamento.
Le informazioni relative all’orario di registrazione sono state usate per analizzare la distribuzione
del lupo nelle 24h mediante il test di Rayleigh per l’uniformità nel cerchio (Batschelet, 1981). Al
fine di evidenziare un’eventuale selezione da parte del lupo per una particolare fase oraria, le
osservazioni sono state raggruppate in quattro fasce orarie (alba, giorno, tramonto e notte) ed è stato
calcolato l’indice di selezione di Ivlev (Jacobs, 1974):
(
(
dove
)
)
è la proporzione di osservazioni del lupo in una data categoria e
è la proporzione
disponibile nella stessa categoria. L’indice varia da -1 (non utilizzo) a +1 (selezione); valori
prossimi a 0 indicano un utilizzo pari alla disponibilità. Gli intervalli fiduciali (confidence intervals,
CI) relativi all’indice sono stati calcolati mediante ricampionamento casuale delle osservazioni
(metodo bootstrap, 1000 repliche; Efron, 1979). I ritmi circadiani del lupo sono stati infine
confrontati con quelli delle sue principali prede selvatiche (capriolo, daino e cinghiale) e con
l’uomo utilizzando l’indice di similarità percentuale di Renkonen (Krebs, 1999):
[∑(
dove
)]
è la percentuale di sovrapposizione temporale tra le specie j e k,
eventi nella classe temporale i della specie j,
è la proporzione di
è la proporzione di eventi nella classe temporale i
della specie k e n è il numero totale di classi temporali. L’indice varia da 0 a 1, indicando
20
rispettivamente la non affinità e la completa similarità. La media dell’indice e i rispettivi intervalli
fiduciali (CI) sono stati calcolati mediante ricampionamento casuale delle osservazioni (metodo
bootstrap, 10000 repliche; Efron, 1979).
21
RISULTATI
Da gennaio 2007 a dicembre 2014, sono stati raccolti complessivamente 3179 segni di presenza di
lupo. Il numero massimo di segni è stato raccolto nel 2012 (N=586) e il minimo nel 2007 (N=212;
Fig. 1.7).
Fig. 1.7 Numero di segni di presenza del lupo in Liguria nel periodo 2007- 2014
600
500
400
300
200
100
0
2007
2008
2009
2010
22
2011
2012
2013
2014
Durante l’ultimo periodo di monitoraggio sono stati raccolti complessivamente 605 segni di
presenza del predatore. La maggior parte è stata rappresentata dalle feci (64,9%), seguita da eventi
di foto-trappolaggio (17,6%), da eventi di predazione (9,7%), impronte (4,9%) e dal ritorvamento di
lupi morti (1,3%); avvistamenti diretti, urina e le vocalizzazioni hanno rappresentato la proporzione
minore delle osservazioni (1,6%) (Fig. 1.8).
Fig. 1.8 Percentuali delle categorie di segni di presenza nell’ultimo periodo di campionamento
Feci
Foto-trappolaggio
4.9
9.7
1.3
0.7
0.5
Predazioni
0.4
Impronte
Lupi deceduti
Avvistamenti diretti
Urina
17.6
64.9
Ululati
23
In tutte le province liguri, la percentuale maggiore di segni di presenza del lupo è stata rappresentata
da feci seguite da eventi di foto-trappolaggio, casi di predazione sul bestiame e piste di impronte
(Fig. 1.9). Il numero maggiore di lupi rinvenuti morti è stato registrato in provincia di Imperia (Fig.
1.9).
Fig. 1.9 Percentuali dei tipi di segni di presenza del lupo in Liguria suddivisi per provincia
100%
90%
Urina
80%
Ululati
70%
Predazioni
60%
50%
Lupi deceduti
40%
Impronte
30%
Foto-trappolaggio
20%
Feci
10%
0%
GE
IM
SP
SV
24
Avvistamenti diretti
I segni di presenza del lupo sono risultati distribuiti in modo disomogeneo nelle celle del reticolo di
campionamento (UC); in particolare le densità maggiori di segni di presenza sono state registrate in
provincia di Imperia, al confine con la provincia di Cuneo (Piemonte) e con la Francia e nella
porzione meridionale della provincia di Genova al confine con La Spezia e Parma (EmiliaRomagna) (Fig. 1.10).
Fig. 1.10 Distribuzione dei segni di presenza del lupo in Liguria; per ogni UC è indicato il
numero di segni rinvenuti nell’ultimo periodo di campionamento
25
L’areale complessivo del lupo in Liguria nell’anno di monitoraggio è risultato pari a 4.084km2,
mentre le aree di maggior frequentazione (core areas) hanno interessato una superficie di 2.073
km2. Come nelle precedente fase, l’areale non è risultato diviso in sub-areali ma continuo, a partire
dalla parte nord-occidentale della provincia di La Spezia fino alle Alpi imperiesi. L’areale interessa
anche le province di Parma e Piacenza (Emilia-Romagna) a est e le province di Alessandria e Cuneo
(Piemonte) fino alle Alpi francesi (Fig. 1.11).
Le aree di maggior frequentazione sono risultate tre: una, che si estende anche in provincia di
Parma e Piacenza, di 999 km2 situata tra le province di Genova e di La Spezia, una tra le province di
Savona e Genova (90 km2) ed infine un’altra core area di 984 km2, che si estende fino alla
provincia di Cuneo e alla Francia, tra la provincia di Imperia e, marginalmente, quella di Savona
(Fig. 1.11).
Fig. 1.11 Areale complessivo e core areas del lupo in Liguria
26
Dal 2007 al 2014 sono stati raccolti 471 campioni biologici utili alle analisi genetiche. Di questi
campioni, 207 (43,9%) sono risultati appartenenti a 88 lupi distinti (36 femmine e 49 maschi; sexratio F/M = 0,73; per 3 individui non è stato possibile identificare il sesso). Il numero massimo di
ricampionamenti (N=14) si è registrato per un solo individuo mentre il 54,5% degli individui
(N=48) è stato campionato una sola volta (Fig. 1.12).
Fig. 1.12 Genotipi identificati in Liguria tra il 2007 e il 2014
27
Il numero medio di individui geneticamente identificati ogni anno è risultato pari a 16,4 , con un
massimo di 22 lupi nel 2012 ed un minimo di 6 nel 2007 (Fig. 1.13).
Fig. 1.13 Genotipi identificati annualmente in Liguria tra il 2007 e il 2014
25
20
15
10
5
0
2007
2008
2009
2010
28
2011
2012
2013
2014
Complessivamente dal 2008 al 2014 sono stati rilevati 21 lupi morti (Fig. 1.14A). La principale
cause di morte dei lupi in Liguria è risultata il bracconaggio (57%; con armi da fuoco o
avvelenamento), seguita da incidenti (14%) e in minor parte da malattie (9%); nel 20 % dei casi non
è stato possibile risalire alla causa di morte (Fig. 1.14B).
Fig. 1.14A Numero di lupi morti in Liguria tra il 2008 e il 2014
Fig. 1.14B Cause di morte dei lupi in Liguria tra il 2008 e il 2014
29
Le analisi genetiche hanno permesso d’individuare sull’intero territorio regionale la presenza di 5
branchi stabili, in cui la riproduzione è stata verificata mediante analisi delle parentele tra gli
individui (Meriggi et al., 2012); un sesto branco è stato individuato ma senza rapporti di parentela
tra gli individui campionati. Un branco si trova in provincia di Imperia (KA95 = 744 km2; KA50
=234 km2) al confine con la Francia, la Provincia di Cuneo (Piemonte) e con il branco che occupa la
porzione meridionale della provincia di Savona (KA95 = 555 km2; KA50 = 201 km2). Un terzo
branco occupa un territorio (KA95 = 149 km2; KA50 = 40 km2) che ricade parzialmente nel Parco
Regionale del Beigua (tra Genova e Savona), mentre un altro branco si trova nel Parco Regionale
dell’Antola (KA95 = 406 km2; KA50 = 101 km2), al confine con la Provincia di Alessandria
(Piemonte) e Piacenza (Emilia-Romagna). Il quinto branco si trova in provincia di La Spezia (KA95
= 114 km2; KA50 = 38 km2) al confine con la Provincia di Parma (Emilia-Romagna) e MassaCarrara (Toscana) e il sesto, nel quale non sono risultati rapporti di parentela tra gli individui,
occupa un territorio che ricade nel Parco Regionale dell’Aveto (KA95 = 128 km2; KA50 = 34 km2)
(Fig. 1.15).
Fig. 1.15 Localizzazione dei branchi presenti in Liguria (in blu gli areali dei branchi, in
rosso le core-area)
0
30
Da dicembre 2009 a dicembre 2014 sono state eseguite 41 sessioni di foto- e video-trappolaggio in
176 stazioni di monitoraggio all’interno del territorio regionale, per un totale di 3601 giorni di
campionamento (media per anno=720.2, ES=250.8) e registrando complessivamente 5159 eventi
distinti (Tab. 1.3). Il 60% delle stazioni è ricaduto nelle UC di classe 1 (n=104; aree di possibile
presenza stabile di un branco o di una coppia), il 29% nelle UC di classe 2 (n=52; aree di presenza
del lupo) e il restante 11% nelle UC di classe 3 (n=20; aree di possibile assenza della specie).
Tab. 1.3 Sforzo di campionamento suddiviso per anno e per provincia
Provincia
Anno
Sessioni
Stazioni
Giorni
Eventi
La Spezia
2012
1
1
60
5
2013
3
12
171
270
2014
4
10
100
130
Totale
8
23
331
405
2009
2
2
207
19
2010
1
1
18
8
2012
4
4
30
12
2013
6
31
493
544
2014
4
19
197
556
Totale
17
57
945
1139
2012
1
6
176
395
2013
4
15
295
620
2014
8
31
487
1340
Totale
13
52
958
2355
2012
10
16
899
247
2013
1
10
205
198
2014
6
18
263
815
Totale
17
44
1367
1260
Totale
41*
176
3601
5159
Genova
Savona
Imperia
Regione
*Il numero totale è più basso rispetto alla somma per ogni provincia in quanto ci sono state
sessioni contemporanee in più province.
31
Durante l’attività di monitoraggio sono state contattate 17 specie diverse di mammiferi presenti sul
territorio regionale; 15 delle quali presenti regolarmente in Liguria e 2 solo marginalmente (il cervo
Cervus elaphus e la genetta comune Genetta genetta). Gli animali domestici hanno rappresentato il
6% del totale, mentre gli animali selvatici il 37%, con una leggera predominanza dei mesocarnivori
(18%), rispetto agli ungulati (11%), mentre il restante 57% dei contatti ha riguardato il passaggio di
esseri umani. Il lupo invece è comparso nel 5% delle osservazioni (Fig. 1.16).
Fig. 1.16 Distribuzione delle osservazioni per specie
30%
25%
20%
15%
10%
5%
DOMESTICI
Vulpes vulpes
Sus scrofa
Rupicapra rupicapra
Meles meles
Martes spp
Marmota marmota
Lepus europeus
Genetta genetta
Dama dama
Canis lupus
Cervus elaphus
Capreolus capreolus
Felis catus
Equus caballus
Capra hircus
Canis lupus familiaris
Bos taurus
0%
SELVATICI
Lo sforzo di campionamento medio (numero di giorni necessari a ottenere il primo video della
specie target) nelle UC di classe 1 è stato di 5.86 (ES=0.83), 4.69 (es=0.79) nelle UC di classe 2 e
infine 8 (ES=2.86) nelle UC di classe 3. L’Analisi della Varianza non parametrica non ha
evidenziato differenze significative tra le tre classi di UC (test di Kruskal-Wallis: 1.74; g.l.=2;
P=0.418). Il successo medio di foto- e video-trappolaggio (numero di eventi su giorni di
campionamento) è risultato pari a 0.07 (ES=0.01) sia nelle UC di possibile presenza stabile sia nelle
UC di possibile presenza (ES=0.02) e solo 0.02 (ES=0.01) nelle UC di possibile assenza. L’Analisi
32
della Varianza non parametrica ha mostrato differenze statisticamente significative tra le tre classi
di UC rispetto al successo di trappolaggio (test di Kruskal-Wallis: 6.17; g.l.=2; P=0.046), ed in
particolare tra le classi 1 e 3 (P=0. 028). Il 36% del territorio regionale è risultato positivo alla
presenza del lupo, per una superficie complessiva di 1936.13 km2. Il numero minimo di individui
presenti durante il periodo di monitoraggio è stato pari a 59 (Fig. 1.17).
Fig. 1.17 Distribuzione dei contatti della specie lupo tramite TVF, classificati in base al numero
minimo di individui osservati contemporaneamente
33
Complessivamente sono stati registrati 235 “contatti” di lupo in 70 stazioni; il 71% delle quali
(N=50) situate in UC di classe 1 (possibile presenza stabile), il 23% (N=16) in UC di classe 2
(possibile presenza) e il 6% (N=4) in UC di classe 3 (possibile assenza). Il 45% degli eventi è stato
raccolto durante la stagione estiva, il 32% durante la primavera, il 12% in autunno e l’11% durante
l’inverno. Il 46% delle osservazioni ha riguardato individui singoli, soprattutto in primavera e inizio
estate, il 30% dei contatti coppie, nelle fasi finali dell’inverno e primavera, mentre il restante 24%
gruppi maggiori di due individui concentrati in tarda estate e autunno; il numero maggiore di
individui (N=7) è registrato in provincia di Genova. I dati raccolti hanno mostrato
complessivamente una struttura di popolazione composta maggiormente da adulti (73%) rispetto a
sub-adulti (14%) e giovani (13%) (Fig. 1.18). Inoltre, la presenza di giovani ha permesso di
verificare l’avvenuta riproduzione in provincia di Imperia e Genova.
Fig 1.18 Frequenza contatti suddivisi per classe età, tipo di raggruppamento e stagione
70
GIOVANI
60
SUB-ADULTI
ADULTI
50
40
30
20
10
PRIMAVERA
ESTATE
AUTUNNO
34
INVERNO
GRUPPO
COPPIA
SINGOLO
GRUPPO
COPPIA
SINGOLO
GRUPPO
COPPIA
SINGOLO
GRUPPO
COPPIA
SINGOLO
0
Il numero di individui contattati è risultato pari a 342; dei quali 89 di sesso maschile, 62 di sesso
femminile mentre per 191 individui non è stato possibile riconoscerne il sesso. Complessivamente,
il rapporto sessi (RS=F/M) per il lupo è stato di 0.70, significativamente sbilanciato a favore dei
maschi rispetto al rapporto paritario (2=4.82; g.l.=1; P=0.028) (Tab. 1.4).
Tab. 1.4 Rapporto sessi stimato mediante monitoraggio tramite TVF (significatività test χ2)
ANNO
MASCHI
FEMMINE
SEX RATIO
Sig.
2009-2011
15
11
0,73
0,432
2012
38
21
0,55
0,026
2013
20
26
1,30
0,376
2014
16
4
0,25
0,007
TOT
89
62
0,70
0,028
35
L’analisi condotta sulla distribuzione delle osservazioni del lupo (N= 235) nelle 24 ore evidenzia
uno scostamento significativo dall’uniformità (test di Rayleigh; Z= 0,45; P< 0,001) (Fig. 1.19A). I
contatti si distribuiscono in maniera unimodale, con un picco d’attività tra le 20.00 e le 06.00 (Fig.
1.19B).
Fig. 1.19 Frequenze relative dei contatti di lupo durante le 24 ore (in rosso) e curva di densità
(linea nera) (A); Densità dei contatti di lupo nelle 24 ore (B)
L’indice di selezione di Ivlev relativo alla fascia oraria ha mostrato come il lupo,
complessivamente, sottoutilizzi moderatamente le ore del giorno più illuminate rispetto a quelle
crepuscolari e notturne dove l’utilizzo è risultato pari alla disponibilità (Fig. 1.20).
Fig. 1.20 Indice di selezione di Ivlev per la fascia oraria e intervalli fiduciali
36
Confrontando le frequenze dei contatti nelle fasce orarie tra lupo e uomo(Fig. 1.21A), l’indice di
similarità percentuale di Renkonen è risultato notevolmente più basso (30.3%; IF inf=24.7%; IF
sup=36.1%) rispetto a quello calcolato usando i contatti delle potenziali prede presenti sul territorio.
In particolare è stata riscontrata una più alta percentuale di similarità con i ritmi circadiani del
cinghiale (89%; IF inf=81.7%; IF sup=96.3%) rispetto a quelli del capriolo (60%; IF inf=61.3%; IF
sup=68.5%) e daino (68%; IF inf=57.8%; IF sup=78.5%) (Fig. 1.21B).
Fig. 1.21 Distribuzione contatti della specie lupo e uomo durante le 24 ore (A);
Distribuzione contatti della specie lupo e delle sue principali prede selvatiche (B)
Ulteriori informazioni relative ai risultati dell’ultimo anno di monitoraggio mediante fototrappolaggio, co-finanziato dal Servizio Politiche della Montagna e della Fauna Selvatica della
Regione Liguria, condotte con la collaborazione dai Dottori Elisa Torretta e Felice Puopolo, sono
disponibili in appendice (pagina 142).
37
Dal rilevamento mediante TVF, il numero minimo di individui è risultato più del doppio rispetto a
quello derivante dal monitoraggio genetico (Tab. 1.5), nello stesso periodo di monitoraggio (20092014). Tuttavia, il rapporto sessi è risultato simile.
Tab. 1.5 Rapporto sessi stimato mediante monitoraggio genetico e tramite TVF
nel periodo 2009-2014 (significatività test χ2)
Periodo 2009-2014
MASCHI
FEMMINE
SEX RATIO
Genetica
42
30
0,71
TVF
89
62
0,70
38
PARTE II
SVILUPPO DI MODELLI PREDITTIVI DELLA PRESENZA DEL LUPO
foto di P. Milanesi
39
METODI
L’utilizzo di modelli predittivi è auspicabile ai fini della conservazione per identificare i fattori che
influenzano la presenza della specie e prevedere espansioni o contrazioni degli areali; inoltre i
modelli predittivi permettono di individuare le aree più idonee e quelle più critiche per la
conservazione della specie (Massolo e Meriggi, 1998, 2007; Corsi et al., 1999).
Le celle percorse dai transetti sono state classificate come UC di presenza (codice 1) se positive in
almeno una stagione di monitoraggio, e come UC di assenza (codice 0) se non sono mai stati trovati
segni di presenza del lupo; tutte le celle non attraversate da transetti non sono state classificate e
sono state considerate come UC di controllo.
All’interno di ogni UC sono state misurate le proporzioni 12 variabili ambientali ovvero 9 variabili
dell’uso del suolo (corsi d’acqua e bacini idrici, boschi di conifere, boschi di latifoglie, boschi misti,
aree coltivate, aree incolte e cespuglieti, prati e pascoli, formazioni rocciose e aree urbanizzate) e 3
variabili topografiche corrispondenti ad altitudine (m s.l.m.), pendenza (gradi) e assolazione
(kw/km2). Per evitare l’effetto negativo di variabile tra loro correlate è stato calcolato il fattore di
inflazione della varianza (variance inflation factor, VIF) per ciascuna variabile; valori maggiori di 3
indicano correlazione tra le variabili (Zuur et al., 2010).
Le UC di presenza sono state confrontate con altrettante UC di controllo, scelte in modo casuale tra
tutte le UC della griglia. In questo modo è stato evitato il problema delle “false assenze”, vale a dire
considerare il lupo assente da una porzione di territorio dove in realtà la specie è presente, ma non è
stata trovata per problemi di contattabilità e di sforzo di campionamento (Moilanen, 2002; Tyre et
al., 2003; Gu e Swihart, 2004; MacKenzie, 2005).
I modelli predittivi della distribuzione potenziale del lupo nel territorio regionale sono stati ottenuti
mediante dieci diversi metodi:
1. Modelli lineari generalizzati (generalized linear models, GLM; McCullagh e Nelder, 1989);
2. Regressioni ad alberi potenziati (boosted regression trees, BRT; Friedman et al., 2001);
3. Analisi di classificazione ad alberi (classification tree analysis, CTA; Breiman et al., 1984);
4. Reti neurali artificiali (artificial neural networks, ANN; Ripley, 2007);
5. Modello bioclimatico (BIOCLIM; Busby, 1991);
40
6. Modelli additivi generalizzati (generalized additve models, GAM; Hastie e Tibshirani,
1990);
7. Analisi discriminante flessibile (flexible discriminant analysis, FDA; Hastie et al., 1994);
8. Regrssione adattabile multivariata (multivariate adaptive regression splines, MARS;
Friedman et al., 1991);
9. Foreste casuali (random forests, RF; Breiman, 2001);
10. Algoritmo della Massima Entropia (MAXENT; Phillips et al., 2006).
I metodi sopracitati possono fornire risultati molto diversi e quindi rendere difficile l’identificazione
del metodo migliore per definire la distribuzione potenziale del lupo. Per tale ragione è stato
sviluppato un’ulteriore approccio che media le differenze e l’incertezza dovuta ai singoli metodi
ensample forecasting (EF; Jones-Ferrand et al., 2011).
La validazione dei modelli è stata effettuata tramite l’uso di curve ROC (Receiver Operating
Characteristics) e dell’indice di Boyce (Boyce et al. 2002) con il metodo k-fold cross validation,
ovvero utilizzando alternativamente il 50% dei segni di presenza del lupo per sviluppare i modelli
ed il restante 50% per validarne i risultati. La curva ROC permette di valutare lo scostamento del
modello ottenuto da uno che classifica i casi casualmente (Massolo e Meriggi, 2007), mettendo in
relazione la sensibilità del modello (proporzione di casi positivi classificati correttamente) con il
complementare della sua specificità (proporzione di casi negativi classificati correttamente). I valori
variano tra 0 (classificazione peggiore di un modello casuale) e 1 (classificazione perfetta), mentre
valori prossimi a 0,5 indicano una classificazione simile a quella di un modello casuale. L’indice di
Boyce, particolarmente efficace in modelli sviluppati con dati di sola presenza, consiste in
un’analisi di correlazione non parametrica tra la frequenza dei casi positivi reali (numero di UC di
presenza) e le probabilità previste dai modelli, suddivise in 10 classi di probabilità di 0,1 ciascuna;
il numero di UC in cui è presente il lupo dovrebbe aumentare all’aumentare del rango della classe
previsto dal modello (Boyce et al., 2002). Il coefficiente di correlazione varia tra -1 (classificazione
peggiore di un modello casuale) e 1 (classificazione perfetta), mentre valori prossimi a 0 indicano
una classificazione simile a quella di un modello casuale.
41
RISULTATI
Le variabili ambientali considerate per predire la presenza del lupo sul territorio regionale sono
risultate tutte con valori di VIF inferiori a 3 (Tab. 2.1) e pertanto sono state tutte considerate nelle
analisi successive.
Tab. 2.1 Valori del fattore di inflazione della varianza (VIF) nelle varibili ambientali considerate
Variabile
VIF
Corsi d’acqua e bacini idrici
1,01
Boschi di conifere
1,06
Boschi di latifoglie
1,26
Boschi misti
1,18
Aree coltivate
1,43
Aree incolte e cespuglieti
1,15
Prati e pascoli
1,13
Formazioni rocciose
1,02
Aree urbanizzate
1,82
Altitudine
2,43
Pendenza
2,85
Assolazione
2,83
42
Il modello lineare generalizzato (GLM), ha classificato il 51,01% della superficie regionale idonea
alla presenza del lupo (Fig. 2.1A e B).
Fig. 2.1
A. Probabilità di presenza del lupo secondo il modello lineare generalizzato
B. Aree di potenziale presenza del lupo secondo il modello lineare generalizzato
43
Il modello di regressione ad alberi potenziati (BRT), ha classificato il 43,16% della superficie
regionale idonea alla presenza del lupo (Fig. 2.2A e B).
Fig. 2.2
A. Probabilità di presenza del lupo secondo il modello di regressione ad alberi potenziati
B. Aree di potenziale presenza del lupo secondo il modello regressione ad alberi potenziati
44
L’analisi di classificazione ad albero (CTA), ha classificato il 48,22% della superficie regionale
idonea alla presenza del lupo (Fig. 2.3A e B).
Fig. 2.3
A. Probabilità di presenza del lupo secondo l’analisi di classificazione ad albero
B. Aree di potenziale presenza del lupo secondo i l’analisi di classificazione ad albero
45
Il modello di reti neurali artificiali (ANN), ha classificato il 45,46% della superficie regionale
idonea alla presenza del lupo (Fig. 2.4A e B).
Fig. 2.4
A. Probabilità di presenza del lupo secondo il modello di reti neurali artificiali
B. Aree di potenziale presenza del lupo secondo il modello di reti neurali artificiali
46
Il modello di bioclimatico (BIOCLIM), ha classificato il 37,99% della superficie regionale idonea
alla presenza del lupo (Fig. 2.5A e B).
Fig. 2.5
A. Probabilità di presenza del lupo secondo il modello bioclimatico
B. Aree di potenziale presenza del lupo secondo il modello bioclimatico
47
Il modello addtivo generalizzato (GAM) ha classificato il 49,88% della superficie regionale idonea
alla presenza del lupo (Fig. 2.6A e B).
Fig. 2.6
A. Probabilità di presenza del lupo secondo il modello additivo generalizzato
B. Aree di potenziale presenza del lupo secondo il modello additivo generalizzato
48
L’analisi discriminante flessibile (FDA) ha classificato il 49,52% della superficie regionale idonea
alla presenza del lupo (Fig. 2.7A e B).
Fig. 2.7
A. Probabilità di presenza del lupo secondo l’analisi discriminante flessibile
B. Aree di potenziale presenza del lupo secondo l’analisi discriminante flessibile
49
La regressione multivariata adattativa (MARS) ha classificato il 50,14% della superficie regionale
idonea alla presenza del lupo (Fig. 2.8A e B).
Fig. 2.8
A. Probabilità di presenza del lupo secondo la regressione multivariata adattativa
B. Aree di potenziale presenza del lupo secondo la regressione multivariata adattativa
50
L’analisi delle foreste casuali (RF) ha classificato il 47,47% della superficie regionale idonea alla
presenza del lupo (Fig. 2.9A e B).
Fig. 2.9
A. Probabilità di presenza del lupo secondo l’analisi delle foreste casuali
B. Aree di potenziale presenza del lupo secondo l’analisi delle foreste casuali
51
L’algoritmo della massima entropia (MAXENT) ha classificato il 29,26% della superficie regionale
idonea alla presenza del lupo (Fig. 2.10A e B).
Fig. 2.10
A. Probabilità di presenza del lupo secondo l’algoritmo della massima entropia
B. Aree di potenziale presenza del lupo secondo l’algoritmo della massima entropia
52
Considerando tutti i modelli insieme (EF), la superficie regionale idonea al lupo è risultata il
45,34% (Fig. 2.11A e B).
Fig. 2.11
A. Probabilità di presenza del lupo secondo la media dei dieci modelli
B. Aree di potenziale presenza del lupo secondo la media dei dieci modelli
53
Considerando tutti i segni di presenza del lupo raccolti è stato possibile verificare l’efficacia
predittiva dei 10 modelli e di quello risultante dalla loro media. Tutti i metodi di validazione sono
risultati significativamente differenti da modelli casuali (Tab. 2.2) ma RF ha raggiunto il valore più
alto di curva ROC (Tab. 2.2). RF, insieme a BRT, CTA, GAM, MARS e MAXENT, ha registrato
anche il valore massimo dell’indice di Boyce (Tab. 2.2).
Tab. 2.2 Risultati della cross-validation effettuata sui modelli predittivi della presenza del lupo
Modello
ROC ± d.s.
Rho ± d.s.
GLM
0,929***± 0,061
0,976***± 0,016
BRT
0,948***± 0,013
0,998***± 0,001
CTA
0,955***± 0,045
0,998***± 0,001
ANN
0,942***± 0,002
0,988***± 0,006
0,748*± 0,061
0,801***± 0,102
GAM
0,937***± 0,008
0,998***± 0,001
FDA
0,931***± 0,054
0,997***± 0,001
MARS
0,932***± 0,014
0,998***± 0,001
RF
0,998***± 0,003
0,998***± 0,001
MAXENT
0,901***± 0,074
0,998***± 0,001
EF
0,953***± 0,041
0,988***± 0,009
BIOCLIM
* <0,05; *** <0,0001.
54
PARTE III
LUPO E ZOOTECNIA
foto di F. Puopolo
55
METODI
Per una corretta elaborazione dei dati sull’interazione lupo-zootecnia è stata posta maggiore
attenzione sugli allevamenti che effettuano stagioni di alpeggio o utilizzano il pascolo brado o semibrado regolarmente. Come nella precedente fase del progetto, dall’iniziale censimento degli
allevamenti in Liguria, realizzato dalle associazioni provinciali degli allevatori, è stata effettuata e
aggiornata un’indagine più approfondita mediante sopraluoghi diretti. Sono state, quindi,
individuate le aree di pascolo e di alpeggio della regione.
Le aree di pascolo e le relative aziende, sono state classificate, anche secondo altri importanti
fattori, quali:

periodo di alpeggio;

specie allevate;

presenza di vitelli al pascolo sotto i 60 giorni di età;

grado di sorveglianza (assenza di ricovero notturno o non sorvegliato, ricovero notturno e
presenza di cani da guardia, recinto antintrusione e/o dissuasori sonori).
Per valutare l’impatto della predazione da parte del lupo sulla zootecnia sono stati utilizzati i dati
relativi alle predazioni ufficialmente denunciate dal 2002 al 2013 e forniti dalle rispettive
Amministrazioni provinciali. In questo modo è stato possibile registrare per ogni anno:

il numero di allevamenti che hanno subito predazioni;

il numero di eventi di predazione o attacchi;

il numero di capi predati, in totale, e per ogni evento di predazione;

l’entità dei rimborsi in euro erogati dalle amministrazioni provinciali.
Tutti i dati raccolti durante il campionamento e i sopraluoghi alle predazioni sono stati in seguito
digitalizzati e georeferenziati, cioè identificati da una coppia di coordinate cartesiane X, Y nel
sistema di riferimento U.T.M., tramite il software ARCGIS 10.0, che ha permesso la realizzazione
di un database utilizzato per le successive analisi, condotte grazie ai software open-source R 3.1.2
(http://cran.r-project.org/).
56
Per valutare l’impatto della predazione da parte del lupo sulla zootecnia sono stati utilizzati, come
base di partenza, i dati della Banca Dati Nazionale (bovini e ovi-caprini). Gli allevamenti sono stati
classificati per:

Provincia;

Specie allevata (bovini e ovi-caprini);

Orientamento produttivo per gli ovi-caprini (carne, latte, lana, misto, autoconsumo);

Orientamento produttivo e tipologia produttiva per i bovini (carne: ingrasso, linea vacca-vitello,
non definito; latte; misto);

Modalità (all’aperto, stabulato, sconosciuta).
Inoltre, per ogni allevamento è stato fornito il numero di capi allevati. Per valutare l’esistenza di
eventuali differenze significative nella dimensione media degli allevamenti e delle aree di pascolo
tra le province è stata utilizzata l’Analisi Multifattoriale della Varianza (MANOVA).
Per verificare differenze tra le province nella frequenza dei diversi tipi di allevamento è stato
utilizzato il G test (analisi per tavole di contingenza mediante il Rapporto di Verosimiglianza, con
test esatto di permutazione).
I dati delle predazioni sono stati forniti principalmente dagli assessorati competenti delle quattro
province liguri. Sono stati considerati il numero di eventi per zona, anno e specie, il numero di capi
predati per evento, il numero di capi predati per zona, anno e specie e l’importo dei rimborsi. Il test
G utilizzato in precedenza è stato applicato per verificare le differenze nella frequenza degli eventi
di predazione e dei capi predati tra province, specie allevate e anni. E’ stata effettuata un’analisi di
regressione con stima di curve, per verificare eventuali andamenti significativi negli anni, del
numero di eventi e del numero di capi predati per evento, per zona e l’importo dei rimborsi erogati.
Questa analisi di regressione ha permesso d’identificare il modello al quale meglio si adattavano i
dati considerati.
Per analizzare i fattori ambientali (e non) che influiscono sulla probabilità di predazione, sono state
misurate 21 variabili riguardanti le aree di pascolo utilizzate dagli allevamenti:
È stato attribuito un codice binario (0/1) a ciascun pascolo: con 1 sono stati indicati i pascoli
all’interno dei quali si era verificato almeno un caso di predazione, con 0 tutti gli altri. In questo
57
modo sono stati rilevati 82 pascoli con predazioni i quali sono stati confrontati con altrettanti
pascoli, scelti in modo casuale tra quelli dove non era stata accertata la presenza di predazione.
Sono stati poi formulati modelli predittivi della probabilità di predazione da parte di lupo nell’area
di studio, attraverso modelli lineari generalizzati (GLM), logistici binari con multi-model
inferenceei modelli ottenuti sono stati confrontati con il criterio di Akaike (1973) corretto (AICc),
considerando solo i modelli con ΔAICc<2 (Anderson e Burnham, 2002). Come nella Parte II del
presente documento, i modelli ottenuti sono stati validati mediante curva ROC e indice di Boyce.
58
RISULTATI
Dall’analisi dei dati relativi al censimento degli allevamenti di bovini e ovi-caprini effettuato in
Liguria nell’ultimo anno di campionamento, si rileva che gli allevamenti di ovi-caprini sono molto
più numerosi rispetto a quelli di bovini (n=3126 e n=1294, rispettivamente). La distribuzione degli
allevamenti nelle diverse province non è omogeneo, gli allevamenti di bovini sono molto più
numerosi in provincia di Genova e La Spezia mentre gli allevamenti di ovi-caprini sono
maggiormente presenti in provincia di Genova e Savona. Ad Imperia è presente una minore
concentrazione di entrambe le tipologie di allevamento (Fig. 3.1).
Fig. 3.1 Numero di allevamenti di bestiame nelle province liguri
1200
Bovini
Ovicaprini
1000
800
600
400
200
0
GE
IM
SP
59
SV
In linea con quanto riscontrato negli anni precedenti anche nel 2013, per gli allevamenti bovini, è
stata osservata una maggiore concentrazione in pochi comuni, soprattutto in provincia di Genova e
in alcuni comuni della provincia di La Spezia (Fig. 3.2). Gli allevamenti di ovi-caprini sono risultati
ditribuiti maggiormente nella porzione orientale della provincia di Savona, in pochi comuni della
provincia di Genova e nella fascia montuosa della provincia di La Spezia (Fig. 3.3).
Fig. 3.2 Distribuzione per comune degli allevamenti bovini in Liguria
Fig. 3.3 Distribuzione per comune degli allevamenti ovi-caprini inLiguria
60
Il numero medio di capi bovini presenti negli allevamenti è risultato 10,95 (min=1, max=641)
senza variazioni significative tra le province (F=2,119; gl=3; P=0,096). Per gli allevamenti di
ovicaprini il numero medio è di 8,10 (min=1, max=985) con differenze significative tra le
province (F=7,362; gl=3; P<0,0001). Il test di Bonferroni ha infatti messo in evidenza differenze
significative per gli ovicaprini tra la provincia di Imperia e tutte le altre(con Genova P<0,0001, con
Spezia P=0,001, con Savona P=0,003). Analizzando entrambe le tipologie complessivamente sono
risultate differenze significative tra province (F=8,052; P<0,0001) tra specie allevate (F=12,441;
P<0,0001); anche l’interazione tra i due fattori è risultata statisticamente significativa (F=2,276;
P<0,034). La provincia con gli allevamenti di maggiori dimensioni è risultata Imperia, sia per i
bovini che per gli ovicaprini (Fig. 3.4).
Fig. 3.4 Variazione della dimensione degli allevamenti nelle province liguri
61
Analizzando l’orientamento produttivo in tutte le province gli allevamenti che producono carne
risultano i più numerosi, circa l’80% del totale. In particolare nelle province di Savona e La Spezia
questa tipologia si avvicina al 90% del totale e il restante 10% riguarda la produzione di latte. A
Genova e Imperia si affianca alle tipologie precedenti anche una piccola percentuale di allevamenti
che adottano un orientamento misto. La tipologia produttiva relativa alla linea vacca-vitello, risulta
adottata maggiormente nella provincia di La Spezia (65% del totale) e Savona (58%). In provincia
di Genova e in quella di Imperia la linea vacca-vitello viene adottata in misura minore, entrambe
intorno al 30% (Fig. 3.5).
Fig. 3.5 Orientamento produttivo e tipologia produttiva di allevamenti bovini nelle province
100%
MISTO
90%
LATTE
80%
CARNE (NON
DEFINITO)
70%
CARNE (INGRASSO)
60%
CARNE (LINEA
VACCA-VITELLO)
50%
40%
30%
20%
10%
0%
GE
IM
SP
62
SV
La modalità di conduzione degli allevamenti bovini non è omogenea nelle quattro province. Ad
Imperia risulta condotto all’aperto il 73% degli allevamenti, mentre a Savona, gli allevamenti
risultano tutti stabulati (29%). Nella provincia di Genova la maggior parte degli allevanmenti è
stabulata (46%) e in misura minore all’aperto (6%). Analogamente anche in provincia di La
Spezia gli allevamenti risultano per il 40% stabulati e per il 20% all’aperto. Sul totale dei dati
regionali circa il 43% degli allevamenti risulta sconosciuta (Fig. 3.6).
Fig. 3.6 Modalità di conduzione di allevamenti bovini negli allevamenti liguri
100%
SCONOSCIUTO
90%
STABULATO
80%
APERTO
70%
60%
50%
40%
30%
20%
10%
0%
GE
IM
SP
63
SV
Negli allevamenti di ovi-caprini la tipologia produttiva più utilizzata risulta quella per
autoconsumo nelle province di Imperia (65%), La Spezia (45%) e Savona(68%). A Genova invece
risultano più numerosi gli allevamenti che adottano la tipologia mista. Gli allevamenti da carne
sono presenti con percentuali minori alle precedenti a Genova (23%), La Spezia e Savona circa il
30%. In tutta la regione infine gli allevamenti da lana e latte sono scarsamente rappresentati (Fig.
3.7).
Fig. 3.7 Orientamento produttivo allevamenti ovi-caprini nelle province liguri
100%
CARNE
90%
LANA
80%
70%
LATTE
60%
MISTO
50%
AUTOCONSUMO
40%
30%
20%
10%
0%
GE
IM
SP
SV
64
La modalità di conduzione degli allevamenti di ovi-caprini nelle province di Imperia e La Spezia è
rappresenatata per oltre il 90% da allevamenti all’aperto. A Genova gli allevamenti con
conduzione stabulata aumentano fino al 38% del totale e a Savona infine risultano in maggioranza
con circa il 78% (Fig. 3.8).
Fig. 3.8 Modalità di conduzione allevamenti ovi-caprini nelle province liguri
100%
SCONOSCIUTO
90%
STABULATO
80%
APERTO
70%
60%
50%
40%
30%
20%
10%
0%
GE
IM
SP
65
SV
In tutto il territorio regionale sono state individuate in totale 303 aree di pascolo, di cui 113
utilizzate da bovini, 88 da ovi-caprini, 65 da entrambe le specie e di 37 non abbiamo informazioni.
Le province col maggior numero di aree di pascolo sono risultate Genova, La Spezia e Imperia
mentre a Savona sono stati censiti meno pascoli (Figg. 3.9 e 3.10).
Fig. 3.9 Distribuzione aree di pascolo in Liguria
Fig. 3.10 Ripartizione delle aree di pascolo nelle province liguri
SV = 46
SP = 90
GE = 82
IM = 85
66
Utilizzando l’Analisi Multifattoriale della Varianza (metodo GLM) e il test di Bonferroni, sono
state rilevate differenze significative nella dimensione media dei pascoli tra la provincia di Genova
e quella di La Spezia (P<0,0001), tra Genova e Savona (P=0,028) e tra Imperia e La Spezia
(P=0,016). Non risultano invece differenze significative nell’ampiezza dei pascoli considerando le
sole specie allevate e l’effetto dell’interazione tra i due fattori (Fig. 3.11).
Fig. 3.11 Variazioni della superficie media (ha) dei pascoli in relazione alla provincia ed alla
specie allevata
67
Analizzando i dati relativi alle predazioni sul bestiame dal 2002 al 2013 emergono dati importanti.
Dall’ultimo anno si sono aggiunti dati relativi a predazioni avvenute in provincia di Savona che si
sommano a quelli delle altre province già registrati negli anni precedenti. Il numero totale di eventi
nei 12 anni considerati è 349. Nell’ultimo anno le predazioni (n=54) sono avvenute in tutte le
province e i dati sono stati raggruppati in 6 diverse aree corrispondenti, in provincia di Genova, al
territorio circostante il Monte Antola e l’omonimo parco regionale, al territorio della Val d’Aveto e
il territorio del Parco Regionale del Beigua. Le restanti zone ricadono nel territorio dell’intera
provincia di Imperia, di La Spezia e di Savona. L’andamento delle predazioni è stato
significativamente differente (χ2=273,483; gl=55; P<0,0001) tra le diverse zone. In particolare, nella
zona dell’Antola, è stato osservato un progressivo aumento degli eventi di predazione dal 2004 al
2007 ed una costante dimunizione dal 2010 in poi; nella zona dell’Aveto non si registra una
tendenza ben definita ma fluttuazioni annuali; in provincia di Imperia, si registra una tendenza
all’aumento dal 2008 in poi. Per il Beigua si registra una dimunzione dal 2011 in poi mentre per la
provincia di La Spezia si registra un leggero aumento rispetto all’anno precedente (Fig. 3.12).
Fig. 3.12 Andamento degli eventi di predazione
30
n° Eventi Antola
n° Eventi Beigua
n° Eventi Aveto
n° Eventi La Spezia
25
20
15
10
5
0
68
n° Eventi Imperia
n° Eventi Savona
Il numero di capi predati di bestiame ufficialmente denunciati, nel periodo consiederato (20022013) è di 808. Nel 2013 sono stati predati 167 capi. Confrontando le diverse zone della regione
sono state registrate differenze significative nel numero di capi predati (χ2=684,368; gl=55;
P<0,0001). Nella zona dell’Antola si registra una progressiva diminuzione dal 2010 ad oggi; nella
zona dell’Aveto non è risultata una tendenza definita ma marcate oscillazioni da un’anno all’altro.
Nell’area del Beigua, a dispetto del numero di eventi in diminuzione, è aumentato il numero di capi
predati nell’ultimo anno. In provincia di Imperia c’è un aumento progressivo dei capi predati. Per la
provincia di La Spezia anche se ci sono solo pochi dati si registra un aumento dei capi predati nel
2013 mentre per Savona non è possibile descrivere un’andamento degli eventi essendo il 2013 il
primo anno in cui si registrano delle predazioni denunciate ufficialmente (Fig. 3.13).
Fig. 3.13 Andamento dei capi di bestiame predati
70
n° Capi Antola
n° Capi Aveto
n° Capi Imperia
n° Capi Beigua
n° Capi La Spezia
n° Capi Savona
60
50
40
30
20
10
0
69
Nelle province di La Spezia e Savona le percentuali di specie predate sono simili, vengono predate
soprattutto pecore e in misura minore capre. Nella provincia di Imperia si aggiungono oltre alle specie
predate in precedenza anche i bovini. Nella zona dell’Aveto la specie più predata risulta essere la capra
seguita dalla pecora e infine, nella zona dell’Antola, vengono predati soprattutto bovini e con
percentuali minori anche pecore e capre. Sono state registrate differenze significative sia nel numero di
eventi di predazione (χ2=148,881; gl=15; P<0,0001) che nel numero dei capi predati (χ2=296,497;
gl=15; P<0,0001) nelle diverse zone (Fig. 3.14).
Fig. 3.14 Numero di eventi di predazione e capi predati per le diverse specie di bestiame (anni
cumulati)
70
I dati riguardanti la zona dell’Antola e dell’Aveto dimostrano che le predazioni si registrano durante
tutto l’anno anche se si riducono sensibilmente nei mesi invernali. Dai mesi di aprile e maggio, si ha
un primo incremento che culmina con il massimo degli eventi e dei capi predati nel mese di
settembre nell’Antola e di ottobre nell’Aveto. In provincia di Imperia le prime predazioni si
registrano nel mese di marzo e il maggior numero di eventi e di capi predati si registra a settembre.
Per la zona del Beigua, La Spezia e Savona gli eventi vengono registrati in modo discontinuo dal
mese di marzo a quello di novembre. Nelle tre zone il numero dei capi predati è massimo nei mesi
di marzo, agosto e in quella di La Spezia anche a novembre. È doveroso infine tenere in
considerazione che i dati relativi alla provincia di Savona si riferiscono solo ad un anno e quella di
La Spezia e Beigua agli ultimi due e tre anni, rispettivamente. Per le zone dell’Antola, dell’Aveto e
di Imperia i dati sono più consistenti e riferiti ad un maggior numero di anni (Fig. 3.15).
Fig. 3.15 Andamento mensile degli eventi di predazione e del numero dei capi predati per zona
(anni cumulati)
71
Gli eventi di predazione nel corso dell’anno, riferiti alle diverse specie, non sono omogenei. I bovini
vengono predati maggiormente all’inizio della stagione di pascolo con un picco nel mese di giugno
anche se le predazioni vengono registrate in modo continuo da marzo a dicembre. Gli ovi-caprini
invece vengono predati durante tutto l’anno. Un primo aumento degli eventi si registra all’inizio
della primavera tra marzo e maggio per poi incrementare sia nel numero di eventi che di capi
predati fino a settembre (culmine delle predazioni su ovini e caprini). Gli equini vengono predati
durante tutto l’anno in modo discontinuo, con numeri molto bassi (Fig. 3.16).
Fig. 3.16 Andamento mensile degli eventi di predazione e numero di capi predati per specie (anni
cumulati)
72
L’Analis iMultifattoriale dellaVarianza effettuata sul numero di capi predati negli anni, riferiti alle
diverse specie e alle diverse zone ha messo in evidenza differenze significative tra le specie predate
(F=3,329; g.l.=3; P=0,02), tra le sei diverse zone (F=10,656; g.l.=5; P<0,0001) e
anchel’interazione tra le zone e gli anni (F=2,844; g.l.=18; P<0,0001) è risultata significativa. Non è
risultata invece una differenza rilevabile tra gli anni (F=3,329; g.l.=11; P=0,067) (Tab. 3.1).
Tab. 3.1 Differenze significative delle predazioni tra anni, zone e specie predate
Fattori
Zone
Confronti
La Spezia - Antola
P
< 0,0001
Zone
La Spezia - Aveto
< 0,0001
Zone
La Spezia - Beigua
< 0,0001
Zone
La Spezia - Savona
< 0,0001
Zone
La Spezia - Imperia
< 0,0001
Zone
Antola – Aveto
0,019
Zone
Imperia – Antola
0,023
Specie
Bovini – Ovini
<0,0001
Specie
Bovini-Caprini
<0,0001
Considerando invece gli stessi dati ma con gli anni cumulati, l’Analisi Multifattoriale della
Varianza ha evidenziato differenze significative tra le zone (F=11,148; g.l.=5; P<0,0001), tra le
specie (F=4,946; g.l.=3; P=0,002) mentre l’interazione tra specie e zona non è risultata
significativa (F=0,914; g.l.=9; P=0,513) (Tab. 3.2).
Tab. 3.2 Differenze significative delle predazioni tra zone e specie predate
Fattori
Zone
Zone
Zone
Zone
Zone
Zone
Specie
Specie
Confronti
Antola -Aveto
La Spezia - Antola
La Spezia - Aveto
La Spezia - Beigua
La Spezia - Imperia
La Spezia - Savona
Vacca– Pecora
Vacca– Capra
73
P
0,028
< 0,0001
< 0,0001
< 0,0001
< 0,0001
< 0,0001
<0,0001
<0,0001
Dall’analisi di regressione con stima di curve, è stato evidenziato un andamento degli eventi di
2
predazione totale negli anni di tipo lineare in aumento (F=27,813; g.l.=1; P<0,0001; R =0,736;
y=3,899 x + 3,742; Fig. 3.17).
Fig. 3.17 Andamento degli eventi totali di predazione
74
Lo stesso andamento di tipo lineare si riscontra analizzando il numero di capi predati
2
complessivamente (F=26,750; g.l.=1; P<0,0001; R =0,728; y=10,524 x – 1,076; Fig. 3.18).
Fig. 3.18 Andamento dei capi predati totali
75
Per la provincia di Savona, di La Spezia e la zona del Beigua non è stato possibile effettuata
l’analisi in quanto i dati si riferiscono rispettivante solo ad uno, due e tre anni in cui le predazioni
sono state regolarmante segnalate.
Nella zona della Val d’Aveto non è stato possibile stimare un andamento significativo né per gli
eventi di predazione (F=0,294; g.l.=1; P=0,599) né per i capi predati (F=0,010; g.l.=1; P=0,753).
Nell’Antola si registra, un andamento degli eventi di predazione di tipo quadratico, con una marcata
2
2
tendenza alla diminuzione (F=14,521; g.l=2; P=0,002; R =0,763; y=11,104x -0,777x-17,773; Fig.
3.19).
Fig. 3. 19 Andamento eventi di predazione nella zona del Monte Antola
76
Anche il numero di capi predati in questa zona segue un andamento di tipo quadratico, che mostra
2
un fenomeno in diminuzione (F=7,249; g.l.=2; P=0,013; R2=0,617; y=17,413x -1,195x-27,773; Fig.
3.20).
Fig. 3.20 Andamento capi predati nell’area del Monte Antola
77
Per il territorio imperiese si è osservato un andamento degli eventi di predazione di tipo lineare, con
una marcata tendenza all’aumento (F=30,058; g.l.=1; P<0,0001; R2=0,750; y=1,783x -5,591; Fig.
3.21).
Fig. 3.21 Andamento eventi di predazione nella provincia di Imperia
78
Analizzando il numero di capi predati in provincia di Imperia si registra un andamento lineare
simile a quello degli eventi con una marcata tendenza all’aumento (F=46,971 ; g.l.=1; P<0,0001;
R2=0,824; y=4,615 x –14,333; Fig. 3.22).
Fig. 3.22 Andamento numero capi predati in provincia di Imperia
79
Nel corso del 2013 i rimborsi erogati a favore degli allevatori che hanno subito danni al bestiame
causati dal lupo ha riguardato, per la prima volta, tutte le province della regione. Per la provincia di
Savona questo è il primo anno in cui vengono erogati i rimborsi, per quella di La Spezia è il
secondo mentre nella provincia di Genova i fondi vengono erogati già dal 2002 e in provincia di
Imperia dal 2004 .L’analisi di regressione con stima di curve, effettuata sui rimborsi complessivi
erogati negli anni, ha mostrato un andamento di tipo quadratico, con una marcata tendenza alla
2
diminuzione (F=8,696; g.l.=2; P=0,008; R =0,659; y=7116,926x2 -473,112x –5683,209; Fig. 3.23).
Fig. 3.23 Andamento dei rimborsi erogati in totale
80
Le analisi effettuate mediante il calcolo dell’AICc e l’inferenza multi-modello hanno fornito 12616
modelli di regressione logistica. Il calcolo dell’AICc ha permesso di individuare i 4 modelli
migliori, con ΔAICc<2. Nei 4 modelli sono risultate significative le variabili relative alla
percentuale di bosco di conifere e la distanza dal segno di presenza di lupo più vicino (Tab. 3.3).
Tab. 3.3 Caratteristiche dei 4 modelli predittivi migliori del rischio di predazione sul pascolo da
parte del lupo in Liguria (secondo il criterio di informazione di Akaike AICc e il fattore wi)
Mod.
Variabili
Significative
– 2 Log
R2
likelihoo AICc
d
Δ
AICc
wi
0
% di
Area sottesa
Classificazioni
dalla
corrette
curva ROC
1
tot.
(SE)
Bosco
I
conifere;
0,099
210,204
216,4
0
0,397 75,3 84,2
79,7
0.885 (0,002)
0,106
208,962
217,2 0.86 0,258 77,5 81,2
79,3
0.891 (0,001)
0,102
209,644
217,9 1.54 0,184 79,1 79,1
79,1
0.883 (0,025)
0.101
209,898
218,1
79,4
0.881 (0,007)
Distanza lupo;
Bosco
II
conifere;
Distanza lupo;
Rocce;
Bosco
III
conifere;
Distanza lupo;
Prato-pascoli
Bosco
IV
conifere;
Distanza lupo;
Urbano;
81
1.8
0,162 77,1 81,8
La somma dei wi (Akaike weights) ha permesso di evidenziare l’importanza delle variabili
riguardanti la percentuale di bosco di conifere, distanza dal segno di presenza di lupo più vicino, la
percentuale di aree rocciose, prato-pascoli e centri abitati. Il valore di β è risultato positivo (anche
se poco consistente) per la distanza dalle localizzazioni di lupo, per la percentuale di aree rocciose e
prato pascoli. È, invece, risultato negativo l’apporto della variabile relativa alla percentuale di bosco
di conifere e centri abitati (Tab. 3.4).
Tab. 3.4 Inferenza multi-modello e importanza relativa delle variabili ambientali per il rischio di
predazione
Lim. Sup. Int. Conf.
Lim. Sup. Int. Conf.
95% β
95% β
0,008
-0,033
-0,002
0,001
0,001
-0,001
0,001
0,258
0,062
0,058
-0,053
0,177
Prato-pascoli
0,184
0,008
0,011
-0,014
0,031
Urbano
0,162
-0,030
0,055
-0,139
0,079
Variabili
∑w
Β
β SE
Bosco conifere
1
-0,018
Distanza lupo
1
Rocce
82
La cross validation ha verificato l’efficacia dei modelli nel predire la probabilità di rischio di predazione
da parte del lupo: il confronto tra le probabilità previste dai modelli ed i casi di presenza reali, svolto
utilizzando le correlazioni per ranghi di Spearman, effettuate tra i ranghi previsti dai modelli e i casi di
presenza reale, sono risultate statisticamente significative (Tab. 3.5).
Tab. 3.5 Risultati della cross validation effettuata sui 4 modelli predittivi migliori
Modello e sottogruppo
Rho di Spearman (± D.S.)
P
ModI
0,911 (± 0,02)
< 0,0001
ModII
0,941 (± 0,04)
< 0,0001
ModIII
0,926 (± 0,01)
< 0,0001
ModIV
0,911 (±0,03)
< 0,0001
Mod_medio
0,926 (±0,04)
< 0,0001
83
I 4 migliori modelli predittivi del rischio di predazione sono stati utilizzati per classificare le aree di
pascolo in relazione al rischio di predazione e per individuare quelle con rischio ≥ 0,5.
Il primo modello ha individuato 118 pascoli (38,9%) con elevato rischio di predazione da parte del
lupo (Fig. 3.25).
Fig. 3.25 Rischio di predazione dei pascoli secondo il modello 1
84
Il secondo modello ha individuato 125 pascoli (41,2%) a elevato rischio di predazione da parte del
lupo (Fig. 3.26).
Fig. 3.26 Rischio di predazione dei pascoli secondo il modello 2
85
Il terzo modello ha individuato 120 pascoli (39,6%) a elevato rischio di predazione da parte del lupo
(Fig. 3.27).
Fig. 3.27 Rischio di predazione dei pascoli secondo il modello 3
86
Il quarto modello ha individuato 128 pascoli (42,2%) a elevato rischio di predazione da parte del
lupo (Fig. 3.28).
Fig. 3.28 Rischio di predazione dei pascoli secondo il modello 4
87
Infine è stato calcolato il rischio medio tra i 4 modelli migliori, il modello così ottenuto ha
individuato 122 pascoli predisposti alla predazione da parte del lupo pari al 40,3% del totale. Le
province in cui è maggiore la concentrazione di pascoli a rischio di predazione sono risultate La
Spezia, Genova e Imperia (Fig. 3.29).
Fig. 3.29 Rischio di predazione dei pascoli cumulando i 4 modelli
88
PARTE IV
SPERIMENTAZIONE DI METODI PREVENTIVI ANTI-PREDATORI
foto di F. Puopolo
89
METODI
I metodi di prevenzione acquistati e messi a disposizione da enti pubblici (Regione Liguria,
Provincia di Genova, Parco Regionale dell’Aveto e Parco Regionale del Beigua) o in parte
autofinanziati dagli allevatori sono stati installati su 25 pascoli su tutto il territorio regionale.
Sono distribuiti in tutte le province liguri, in particolare, 9 in quella di Genova, 7 ad Imperia, 4 a La
Spezia e 5 a Savona sia recinti elettrificati che dissuasori audio-visivi.
Inoltre, si aggiungono 8 recinti elettrificati finanziati dal Parco Regionale dell’Aveto, consegnati
agli allevatori nell’autunno 2014, che entreranno in funzione nel 2015.
Di seguito sono riportate le schede tecniche relative ad ogni allevamento coinvolto nella
sperimentazione.
Per verificare l’efficacia dei metodi di prevenzione adottati, il numero di eventi di predazione e il
numero di capi predati sono stati confrontati negli anni precedenti e quelli successivi all’adozione
dei metodi di prevenzione. In particolare per la frequenza degli eventi è stato usato il test della
massima verosimiglianza per tabelle di contingenza e, per il numero di capi predati, il test di
Wilcoxon per campioni appaiati; entrambi i test sono stati condotti con permutazione (10.000
replicazioni). Di seguito sono riportate le schede tecniche di ogni allevamento coinvolto nella
sperimentazione.
90
SCHEDA: 1
•
PROVINCIA: IMPERIA;
•
COMUNE: REZZO;
•
LOCALITÀ: ALPE GRANDE;
•
AFFITTUARIO/ PROPRIETARIO: DONATI MAURA;
•
SUPERFICIE: 142 ha;
•
SPECIE ALLEVATA: BOVINI & OVICAPRINI;
•
NUMERO DI CAPI: 180 BOVINI & 60 CAPRINI;
•
TIPO DI SPERIMENTAZIONE: N. 5 DISSUASORI SONORI FAUNISTICI E
RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2012;
91
SCHEDA: 2
•
PROVINCIA: IMPERIA;
•
COMUNE: MENDATICA;
•
LOCALITÀ: FRONTE’;
•
AFFITTUARIO/ PROPRIETARIO: RAVIOLO;
•
SUPERFICIE: 400 ha;
•
SPECIE ALLEVATA: BOVINI, OVINI, EQUINI;
•
NUMERO DI CAPI: 200 BOVINI, 150 OVINI, 25 EQUINI;
•
TIPO DI SPERIMENTAZIONE: N. 5 DISSUASORI SONORI FAUNISTICI E
RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2012;
92
SCHEDA: 3
•
PROVINCIA: LA SPEZIA;
•
COMUNE: ROCCHETTA DI VARA;
•
LOCALITÀ: CASONI;
•
AFFITTUARIO/ PROPRIETARIO: MOSCATELLI;
•
SUPERFICIE: 5 ha;
•
SPECIE ALLEVATA: BOVINI, OVINI E CAPRINI;
•
NUMERO DI CAPI: 30 BOVINI E 2 OVINI E 6 CAPRINI;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA
•
ANNO DI MESSA IN POSA : 2012;
93
SCHEDA: 4
•
PROVINCIA: LA SPEZIA;
•
COMUNE: VARESE LIGURE;
•
LOCALITÀ: CANAVIGGIOLO;
•
AFFITTUARIO/ PROPRIETARIO: PEZZI;
•
SUPERFICIE: 4 e 70 ha;
•
SPECIE ALLEVATA: OVINI E BOVINI;
•
NUMERO DI CAPI: 20 OVINI E 9 BOVINI;
•
TIPO DI SPERIMENTAZIONE: N. 9 DISSUASORI SONORI FAUNISTICI E
RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2012;
94
SCHEDA: 5
•
PROVINCIA: GENOVA;
•
COMUNE: CASELLA;
•
LOCALITÀ: SALVEGA;
•
AFFITTUARIO/ PROPRIETARIO: OTTONELLO;
•
SUPERFICIE: 4 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 20;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2011;
95
SCHEDA: 6
•
PROVINCIA: GENOVA;
•
COMUNE: SANTO STEFANO D’AVETO;
•
LOCALITÀ: AMBORZASCO;
•
AFFITTUARIO/ PROPRIETARIO: FOCACCI;
•
SUPERFICIE: 7 ha;
•
SPECIE ALLEVATA: BOVINI &EQUINI;
•
NUMERO DI CAPI: 22;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2007;
96
SCHEDA: 7
•
PROVINCIA: GENOVA;
•
COMUNE: TORRIGLIA;
•
LOCALITÀ: PENSA;
•
AFFITTUARIO/ PROPRIETARIO: CRINITI;
•
SUPERFICIE: 5 ha;
•
SPECIE ALLEVATA: BOVINI, OVINI ED EQUINI;
•
NUMERO DI CAPI: 11;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2009;
97
SCHEDA: 8
•
PROVINCIA: GENOVA;
•
COMUNE: FASCIA;
•
LOCALITÀ: CASSINGHENO;
•
AFFITTUARIO/ PROPRIETARIO: SPALLAROSSA;
•
SUPERFICIE: 10 ha;
•
SPECIE ALLEVATA: BOVINI E OVINI;
•
NUMERO DI CAPI: 53;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2011;
98
SCHEDA: 9
•
PROVINCIA: GENOVA;
•
COMUNE: BORZONASCA;
•
LOCALITÀ: BELPIANO;
•
AFFITTUARIO/ PROPRIETARIO: SBARBORO;
•
SUPERFICIE: 7 ha;
•
SPECIE ALLEVATA: OVINI E BOVINI;
•
NUMERO DI CAPI: 124;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2011;
99
SCHEDA: 10
•
PROVNCIA: SAVONA;
•
COMUNE: STELLA–VARAZZE;
•
LOCALITÀ: MONTE BEIGUA;
•
AFFITTUARIO/ PROPRIETARIO: USAI;
•
SUPERFICIE: 200 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 800;
•
TIPO DI SPERIMENTAZIONE: 2 RECINZIONI ELETTRIFICATE.
•
ANNO DI MESSA IN POSA : 2011;
100
SCHEDA: 11
•
PROVINCIA: SAVONA;
•
COMUNE: STELLA;
•
LOCALITÀ: SANTA GIUSTINA;
•
AFFITTUARIO/ PROPRIETARIO: MANZONE;
•
SUPERFICIE: 2 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 30;
•
TIPO DI SPERIMENTAZIONE: RECINZIONE ELETTRIFICATA.
•
ANNO DI MESSA IN POSA : 2012;
101
SCHEDA: 12
•
PROVINCIA: LA SPEZIA;
•
COMUNE: ZIGNAGO;
•
LOCALITÀ: CAPORETTO;
•
AFFITTUARIO/ PROPRIETARIO: MENINI;
•
SUPERFICIE: 2 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 8;
•
TIPO DI SPERIMENTAZIONE: DISSUASORI.
•
ANNO DI MESSA IN POSA : 2013;
102
SCHEDA: 13
•
PROVINCIA: LA SPEZIA;
•
COMUNE: ZIGNAGO;
•
LOCALITÀ: VIGA’;
•
AFFITTUARIO/ PROPRIETARIO: CANALE;
•
SUPERFICIE: 22 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 40;
•
TIPO DI SPERIMENTAZIONE: RECINTO.
•
ANNO DI MESSA IN POSA : 2013;
103
SCHEDA: 14
•
PROVINCIA: IMPERIA;
•
COMUNE: TRIORA;
•
LOCALITÀ: VESIGNANA;
•
AFFITTUARIO/ PROPRIETARIO: NEVIO;
•
SUPERFICIE: 55 ha;
•
SPECIE ALLEVATA: OVICAPRINI;
•
NUMERO DI CAPI: 320;
•
TIPO DI SPERIMENTAZIONE: RECINTO.
•
ANNO DI MESSA IN POSA : 2013;
104
SCHEDA: 15
•
PROVINCIA: IMPERIA;
•
COMUNE: CARPASIO;
•
LOCALITÀ: CARPASINA;
•
AFFITTUARIO/ PROPRIETARIO: ALBERTI;
•
SUPERFICIE: 120 ha;
•
SPECIE ALLEVATA: OVICAPRINI;
•
NUMERO DI CAPI: 470;
•
TIPO DI SPERIMENTAZIONE: RECINTO.
•
ANNO DI MESSA IN POSA : 2013;
105
SCHEDA: 16
•
PROVINCIA: IMPERIA;
•
COMUNE: BORGOMARO;
•
LOCALITÀ: SAN BERNARDO DI CONIO;
•
AFFITTUARIO/ PROPRIETARIO: MELA;
•
SUPERFICIE: 16 ha;
•
SPECIE ALLEVATA: BOVINI;
•
NUMERO DI CAPI: 80;
•
TIPO DI SPERIMENTAZIONE: 5 DISSUASORI.
•
ANNO DI MESSA IN POSA : 2013;
106
SCHEDA: 17
•
PROVINCIA: IMPERIA;
•
COMUNE: TRIORA;
•
LOCALITÀ: PIN;
•
AFFITTUARIO/ PROPRIETARIO: IARIA;
•
SUPERFICIE: 16 ha;
•
SPECIE ALLEVATA: OVICAPRINI;
•
NUMERO DI CAPI: 730;
•
TIPO DI SPERIMENTAZIONE: RECINTO.
•
ANNO DI MESSA IN POSA : 2013;
107
•
SCHEDA: 18
•
PROVINCIA: SAVONA;
•
COMUNE: GIUSVALLA;
•
LOCALITÀ:
•
AFFITTUARIO/ PROPRIETARIO: TORTAROLO;
•
SUPERFICIE: 20 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 75;
•
TIPO DI SPERIMENTAZIONE: RECINTO (SOLO ELETTRIFICATORE) E 5
DISSUASORI.
•
ANNO DI MESSA IN POSA : 2013;
108
•
SCHEDA: 19
•
PROVINCIA: GENOVA;
•
COMUNE: ROSSIGLIONE;
•
LOCALITÀ: COLMA;
•
AFFITTUARIO/ PROPRIETARIO: PORCU;
•
SUPERFICIE: 10 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 300;
•
TIPO DI SPERIMENTAZIONE: RECINTO E 1 DISSUASORE.
•
ANNO DI MESSA IN POSA : 2014;
109
•
SCHEDA: 20
•
PROVINCIA: IMPERIA;
•
COMUNE: COSIO D’ARROSCIA;
•
LOCALITÀ: MADONNA DEI CANCELLI;
•
AFFITTUARIO/ PROPIETARIO: PELASSA;
•
SUPERFICIE: 10 ha;
•
SPECIE ALLEVATA: BOVINI, OVINI E CAPRINI;
•
NUMERO DI CAPI: 150;
•
TIPO DI SPERIMENTAZIONE: RECINTO;
•
ANNO DI MESSA IN POSA: 2014;
110
•
SCHEDA: 21
•
PROVINCIA: GENOVA;
•
COMUNE: REZZOAGLIO;
•
LOCALITÀ: VILLANOCE ;
•
AFFITTUARIO/ PROPIETARIO: FONTANA;
•
SUPERFICIE: 1 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 5;
•
TIPO DI SPERIMENTAZIONE: RECINTO;
•
ANNO DI MESSA IN POSA: 2014;
111
•
SCHEDA: 22
•
PROVINCIA: GENOVA;
•
COMUNE: SANTO STEFANO D’AVETO;
•
LOCALITÀ: PASCO;
•
AFFITTUARIO/ PROPIETARIO: MONTEVERDE;
•
SUPERFICIE: 1ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 10;
•
TIPO DI SPERIMENTAZIONE: RECINTO;
•
ANNO DI MESSA IN POSA: 2014;
112
•
SCHEDA: 23
•
PROVINCIA: SAVONA;
•
COMUNE: SASSELLO;
•
LOCALITÀ: PIAMPALUDO;
•
AFFITTUARIO/ PROPIETARIO: PIOMBO;
•
SUPERFICIE: 6 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 10;
•
TIPO DI SPERIMENTAZIONE: DISSUASORI;
•
ANNO DI MESSA IN POSA: 2014;
113
•
SCHEDA: 24
•
PROVINCIA: SAVONA;
•
COMUNE: BARDINETO;
•
LOCALITÀ: PIAMPALUDO;
•
AFFITTUARIO/ PROPIETARIO: MATTIAUDA;
•
SUPERFICIE: 5 ha;
•
SPECIE ALLEVATA: BOVINI;
•
NUMERO DI CAPI: 10;
•
TIPO DI SPERIMENTAZIONE: RECINTO;
•
ANNO DI MESSA IN POSA: 2014;
114
•
SCHEDA: 25
•
PROVINCIA: GENOVA;
•
COMUNE: NE;
•
LOCALITÀ: ROCCAGRANDE;
•
AFFITTUARIO/ PROPIETARIO: ROLLANDO;
•
SUPERFICIE: 10 ha;
•
SPECIE ALLEVATA: OVINI;
•
NUMERO DI CAPI: 80;
•
TIPO DI SPERIMENTAZIONE: RECINTO;
•
ANNO DI MESSA IN POSA: 2014;
115
RISULTATI
L’utilizzo degli strumenti preventivi ha diminuito significativamente i casi di predazione sul
bestiame da parte del lupo sebbene in maniera non significativa dal punto di vista statistico
(LR=18,90; g.l.=16; P=0,634). In 9 pascoli (53%) non sono stati registrati eventi di predazione
nell’anno successivo all’adozione delle misure di prevenzione mentre in 7 pascoli (41%) si sono
verificate ancora predazioni. In un pascolo risultano predazioni dopo l’adozione dei mezzi di
prevenzione ma non si hanno dati ufficiali sui casi di predazione degli anni precedenti. Infatti, in
questo allevamento, negli anni precedenti alla messa in posa delle misure di prevenzione,
l’allevatore aveva subito danni ma non aveva mai sporto denuncia (Fig. 4.1).
Fig. 4.1 Numero di eventi di predazione prima e dopo l’adozione delle misure di prevenzione
116
Analizzando il numero di capi predati, è stata registrata una diminuzione significativa da prima a
dopo l’adozione delle misure di prevenzione (Test di Wilcoxon: Z=-2,855; P=0,004) (Fig. 4.2).
Fig. 4.2 Numero medio di capi predati, prima e dopo l’adozione di misure di prevenzione
E’ doveroso specificare che, nel periodo di sperimentazione, non sono state registrate predazioni a
carico di bestiame all’interno di aree protette con strumenti antipredatori correttamente funzionanti.
I casi di predazione si sono verificati soltanto in 2 episodi in cui gli strumenti di prevenzione non
erano stati attivati. I restanti casi di predazione sono avvenuti a causa di un’errata gestione degli
strumenti di prevenzione o in allevamenti in cui le recinzioni sono state utilizzate solo di notte e gli
attacchi sono avvenuti di giorno. Anche in questa fase del Progetto, si è registato l’apprezzamento
dell’iniziativa da parte degli allevatori che hanno partecipato alla sperimentazione. Tuttavia è
auspicabile un maggiore controllo soprattutto nella fase di sperimentazione al fine di produrre
metodi di prevenzione efficienti che siano un esempio da seguire anche per tutti gli allevatori non
ancora coinvolti. Pertanto si ritiene importante e necessario che la sperimentazione prosegua e possa
disporre di mezzi adeguati per aumentare il numero degli allevamenti coinvolti e per fornire stime
statisticamente più robuste dell’efficacia dei diversi metodi preventivi applicati.
Ulteriori informazioni relative ai risultati dell’ultimo anno di sperimentazione, co-finanziato dal
Servizio Politiche della Montagna e della Fauna Selvatica della Regione Liguria, condotte con la
collaborazione del Dott. Sobrero, sono disponibili in appendice 2.
117
PARTE V
INFORMAZIONE E COMUNICAZIONE
foto di B. Arturi
118
Al fine di raggiungere e informare correttamente il pubblico, gli allevatori, i pastori e gli addetti ai
lavori sulle iniziative volte a ridurre il conflitto tra le attività umane e la presenza del lupo, sono
stati organizzati diversi eventi divulgativi.
Nei giorni 6 e 7 dicembre 2013 è stato organizzato, dal Comune di Mendatica, con il patrocinio di
Regione Liguria, Ministero del Lavoro e delle politiche Sociali, Provincia di Imperia, Associazione
pro-loco Mendatica, l’evento dal titolo “Io amo il lupo”presso il Comune di Mendatica, al quale
sono intervenuti esperti come il il Dott. Giovanni Diviacco (Settore Progetti e Programmi per la
Tutela e Valorizzazione Ambientale, Dip. Ambiente, Regione Liguria) e il Dott. Matteo Serafini
(“Il Lupo in Liguria”) che hanno illustrato attività inerenti al progetto regionale con la presentazione
intitolata “Il ritorno del lupo in Liguria” (Fig. 5.1).
Fig. 5.1 “Io amo il lupo”
119
Nei giorni 16 e 17 maggio 2014, è stato organizzato, dal Parco Nazionale Appennino ToscoEmiliano - Wolf Apennine Center (PNATE-WAC) e Regione Liguria, in collaborazione con Aree
Protette Regione Liguria, Sistema Ligure di Educazione Ambientale e Comune di Genova, l’evento
dal titolo “Il Lupo tra mito e realtà - Programma delle iniziative rivolte alle scuole – PalaLupo –
presso Calata Mandraccio (Porta Siberia), Porto Antico (Genova) a cui sono intervenuti esperti
come il Dott. Willy Reggioni e collaboratori (PNATE-WAC), il Dott. Antonio Federici (Parco
Naturale dell’Antola), il Comm. Eraldo Minetti (Polizia Provinciale di Genova) e il Dott. Pietro
Milanesi (“Il Lupo in Liguria”) (Fig. 5.2).
Fig. 5.2 “Il Lupo tra mito e realtà - Programma delle iniziative rivolte alle scuole – PalaLupo”
120
Il giorno 21 maggio 2014 è stato organizzato, dall’Ambito Territoriale di Caccia Genova 2 Levante
(ATC GE 2) in collaborazione con URCA e il personale del “Il lupo in Liguria”, l’incontro dal
titolo: “Il lupo. Conservazione e compatibilità della specie con le pratiche zootecniche e venatorie”
(Fig. 5.3). All’evento, rivolto principalmente ad allevatori, pastori, cacciatori e addetti ai lavori sulle
iniziative volte a ridurre il conflitto tra le attività umane e la presenza del lupo, sono intervenuti
come relatori il Dott. Luigi Marco Tiscornia (Presidente ATC Genova 2 Levante) che ha introdotto
le problematiche legate alla presenza del lupo, il Dott. Pietro Milanesi (“Il Lupo in Liguria”) che ha
presentato i risultati del monitoraggio del lupo nel levante della provincia di Genova e il Comm.
Eraldo Minetti (Polizia Provinciale di Genova) che ha illustrato il ruolo della Provincia di Genova
nella gestione del lupo.
Fig. 5.3 “Il lupo. Conservazione e compatibilità della specie con le pratiche zootecniche e
venatorie”
121
Il giorno 15 giugno 2014 è stato organizzato, presso il Comune di Triora, con il patrocinio e la
collaborazione della Provincia di Imperia, di Regione Liguria, del Parco Alpi Liguri e del
Comprensorio Alpino Imperiese, l’evnto dal titolo: “Triora e le meraviglie del suo territorio” (Fig.
5.4). All’evento, rivolto principalmente al pubblico hanno partecipato diversi esperti tecnicofaunistici. In particolare, alla “Conferenza sul Territorio”, il Dott. Matteo Serafini (“Il Lupo in
Liguria”) ha parlato di aspetti relativi al monitoraggio del lupo nel territorio alpino ligure.
Fig. 5.4 “Triora e le meraviglie del suo territorio”
122
Sabato 28 giugno 2014, presso l’Ecomuseo di cascina Maglioni, il Parco Naturale delle Capanne di
Marcarolo ha organizzato un incontro divulgativo dal titolo “IL LUPO: biologia e gestione” (Fig.
5.5). Oltre all’intervento della relatrice dell'iniziativa, la Dott.ssa Francesca Marucco (coordinatrice
tecnico-operativa del Progetto “Il Lupo in Piemonte”) sulla “Presenza del lupo in Piemonte e nel
Parco Capanne di Marcarolo”, ci sono state le relazioni del Dott. Sergio Fasano “Indagine della
presenza del lupo nel Parco del Beigua” e Dott. Roberto Sobrero sulla “Pevenzione dei danni da
lupo in Liguria”. Con l’iniziativa è stata inaugurata la mostra fotografica “Scatti sull’Appennino tra
Liguria e Piemonte : il ritorno del lupo” con foto di Nicola Rebora e Paolo Rossi e la proiezione di
alcuni video di Massimo Campora e Renato Cottalasso.
Fig. 5.5 “IL LUPO: biologia e gestione”
123
Inoltre, il giorno 13 dicembre 2014 è stato organizzato dal Comune di Cengio in collaborazione con
la Dott.ssa Désirée Signorelli (referente dell’area in oggetto per il Progetto“Il Lupo in Liguria”)
l’incontro dal titolo: “Il lupo e il nostro territorio” (Fig. 5.6). L’evento è stato presentato
dall’Assessore alla Protezione Civile Boris Arturi e dal sindaco Sergio Marenco del Comune di
Cengio. Sono intervenuti: il Dott. Giovanni Diviacco (Settore Progetti e Programmi per la Tutela e
Valorizzazione Ambientale, Dip. Ambiente, Regione Liguria) che ha introdotto e illustrato il
progetto regionale “Il Lupo in Liguria” e il Dott. Pietro Milanesi (“Il Lupo in Liguria”) che ha
illustrato aspetti relativi alla biologia del lupo, il suo monitoraggio e le conoscenze attuali sulla
distribuzione della specie in Liguria. Dopo la relazione del Dott. Alessandro Addeo (Istituto
Zooprofilattico Sperimentale del Piemonte, Liguria e Valle d'Aosta), relativa alle indagini effettuate
su lupi uccisi nel territorio, il Comm. Eraldo Minetti (Polizia Provinciale di Genova) ha concluso la
giornata con la presentazione dal titolo “Viaggio nel ‘mito’ di un mito”, esponendo la storia sociale
del lupo, il rapporto uomo-lupo, l’immagine del predatore nei popoli e nella storia. Infine il Dott.
Matteo Serafini e la Dott.ssa Elisa Torretta (“Il Lupo in Liguria”) hanno esposto un montaggio di
filmati registrati nell’ambito del monitoraggio mediante foto-trappole effettuato da tutto il personale
del progetto. L’evento è stato accompaganto dalla mostra di fotografia naturalistica di Andrea
Biondo e Gabriele Cristiani, già collaboratori volontari del progetto regionale.
Fig. 5.6 “Il lupo e il nostro territorio”
124
DISCUSSIONE E CONCLUSIONI
DISTRIBUZIONE ATTUALE
Il monitoraggio del lupo, così come quello degli altri grandi carnivori, necessita di un disegno di
campionamento che ottimizzi la raccolta dei dati e ne garantisca la rappresentatività rispetto alla
situazione ambientale e alla distribuzione degli individui della popolazione. La raccolta dei dati
condotta seguendo criteri di rappresentatività, permette di ottenere risultati robusti sui diversi aspetti
dell’ecologia del carnivoro quali la definizione degli areali e dei territori occupati, le loro
caratteristiche ambientali e la disponibilità di prede, l’individuazione delle zone di nuova
colonizzazione e, di conseguenza, le aree critiche per la conservazione della specie.
Lo schema di monitoraggio utilizzato (Tessellation Stratified Sampling) consiste in un metodo di
campionamento misto stratificato e casuale, che si basa su un sistema di transetti standardizzati, per
la localizzazione dei segni di presenza indiretti del lupo, distribuiti in modo ottimale, così da coprire
il più possibile l’area di studio. Sebbene la dimensione e il numero di celle e di transetti debbano
essere calibrati, da una parte, sui movimenti e le aree vitali individuali e dei branchi e, dall’altra,
sulla disponibilità di personale esperto da destinare all’attività di monitoraggio, la dimensione delle
celle scelta (100 km2) può essere considerata un buon compromesso per arrivare alla completa
copertura di un territorio regionale come quello ligure. Infatti, l’area vitale del lupo in Italia è
stimata tra 75 e 300 km2con valori compresi tra i 120 e i 200 km2 nell’Appennino (Boitani e Ciucci,
1998; Gilio et al., 2004) e si può considerare che con un percorso di lunghezza minima di 2 km ogni
100 km2 vi siano elevate probabilità di rilevare segni di presenza della specie, se questa è presente
nell’area. Inoltre, questo schema di campionamento, ripetuto nelle stagioni e negli anni, permette di
individuare le nuove aree di presenza della specie e di verificare le previsioni dei modelli predittivi.
Ovviamente tale validazione non sarebbe possibile con un campionamento di tipo opportunistico
incentrato sulle aree dove è massima la probabilità di rinvenire segni di presenza del lupo.
Il monitoraggio del lupo si basa quindi sulla raccolta di segni di presenza della specie a causa della
sua scarsa contattabilità, dovuta alle abitudini notturne, alla spiccata tendenza a evitare l’uomo e
alla bassa densità di popolazione, fattori che rendono molto difficile e improbabile l’osservazione
diretta. Il monitoraggio basato sulla raccolta dei segni di presenza ha tuttavia alcuni limiti:
125
ad esempio, non è possibile mettere in relazione l’uso dell’habitat con i tipi di attività come avviene
negli studi che utilizzano il radio-tracking (Weber e Meia, 1996). Inoltre, i risultati possono risentire
della contattabilità dei segni di presenza nei diversi habitat. Nonostante ciò, il metodo presenta
anche numerosi vantaggi: non implica la manipolazione o il disturbo della specie, permette di
indagare aree molto vaste e di localizzare i segni trovati in maniera molto precisa, infine, se il
campionamento è predisposto correttamente, il metodo permette di raccogliere dati rappresentativi
di tutta la popolazione indagata e non risente della variabilità individuale come gli studi di radiotracking condotti su un campione insufficiente d’individui (Cagnacci et al., 2004).
I dati raccolti durante il campionamento e le analisi effettuate, in particolare quelle spaziali,
indicano che durante gli anni di monitoraggio (2007-2014), la presenza del lupo in Liguria si è
stabilizzata con un aumento cospicuo dell’areale occupato. Tuttavia, le previsioni dei modelli
d’idoneità ambientale, indicano che la specie potrebbe ampliare ulteriormente l’areale di presenza.
Le caratteristiche ambientali (disponibilità di prede, basso disturbo antropico ed estesa copertura
forestale) hanno favorito la presenza stabile del lupo sul territorio ligure. Le analisi spaziali hanno
confermato la presenza di un unico areale che va dalla parte orientale a quella occidentale della
regione. L’areale attuale sembra interessare anche porzioni di territorio oltre i confini della Liguria,
in particolare a ovest in Francia e Piemonte, nella parte centrale in Piemonte ed Emilia-Romagna e
a est in Toscana. Sono state, inoltre, individuate 3 core areas: la prima situata tra la provincia di
Imperia e quella di Savona, la seconda nella zona nord-orientale della provincia di Savona al
confine con quella di Genova, la terza nell’area del Parco Regionale dell’Aveto (GE) e, in modo
marginale, nella provincia di La Spezia. Queste aree corrispondono probabilmente alle zone di
maggior frequentazione dei branchi presenti.
Le analisi dei campioni biologici freschi hanno consentito di individuare e confermare la presenza
di lupi stabili sul territorio regionale. Il maggior numero di genotipi di lupo è stato identificato in 6
aree, in 5 delle quali sono stati rilevati rapporti di parentela tra gli individui che compongono i
branchi. La distribuzione discontinua è probabilmente il risultato di una diversa disponibilità di
prede, della frammentazione degli habitat e della persecuzione da parte dell’uomo. Queste
considerazioni richiedono un monitoraggio costante dell’evoluzione dei branchi, in termini di
numero, di composizione e di superficie occupata. Inoltre, la genotipizzazione dei singoli individui,
126
come finora effettuato, fornirà ulteriori dati per quanto riguarda la dinamica di popolazione ed il
relativo turn-over sul territorio ligure. Quindi, il monitoraggio genetico non-invasivo è risultato
estremamente efficace, oltre a determinare con certezza la specie, il sesso ed identificare il singolo
individuo (altrimenti impossibile con altre tecniche) anche per misurare importanti parametri come
la distribuzione, il numero minimo di lupi presenti, la struttura della popolazione e il successo
riproduttivo.
La tecnica del foto- e video-trappolaggio si è rilevata efficace nel verificare la presenza del lupo.
Sebbene il successo di rilevazione per la specie (numero eventi/giorni campionamento) sia stato
complessivamente inferiore al 10%, lo sforzo (numero di giorni di attivazione delle TVF)
necessario per ottenere il primo contatto con la specie target è risultato molto contenuto (tra i 4 e gli
8 giorni). Le conoscenze preliminari sulla distribuzione del lupo in Liguria si sono dimostrate molto
utili a bilanciare lo sforzo con i risultati.
Le TVF si sono dimostrate adeguate anche per verificare il successo riproduttivo, grazie ai contatti
con individui sub-adulti e giovani: in alcuni casi è stato possibile rilevare la presenza di femmine
adulte in evidente stato di gravidanza. Tuttavia i contatti con i giovani dell’anno si sono dimostrati
eventi rari e quindi non sufficienti a misurare con precisione alcuni parametri di popolazione come
il tasso di natalità, mortalità infantile e fitness. Al contrario, per il 40% degli individui ripresi, è
stato possibile riconoscerne il sesso (disponendo le TVF in punti di marcatura noti, e quindi
determinare il sesso tramite l’osservazione del comportamento di marcatura o degli organi sessuali;
Rothman e Mech., 1979) e calcolare la sex-ratio.
Le TVF si sono dimostrate efficaci anche per lo studio dei ritmi di attività, mostrando il picco di
attività del lupo tra il tramonto e l’alba, evitando le fasi centrali del giorno, in accordo con altri studi
(Italia, Ciucci et al., 1997; in Spagna, Vilà et al., 1995; in Croazia, Kusak et al., 2005; in Finlandia,
Kojola, 2002), sia in America (in Minnesota, Chavez e Gese, 2006). Inoltre, le analisi temporali tra
uomo e lupo hanno mostrato come i loro ritmi circadiani siano inversamente proporzionali e la
percentuale di similarità molto bassa. Al contrario, tra il lupo e le potenziali prede più abbondanti in
Liguria (cinghiale, capriolo e daino; Meriggi et al., 2013) vi è una significativa similarità tra i ritmi
d’attività, pari a 89% per il cinghiale, 60% per il capriolo e 68% con il daino. È quindi ipotizzabile
127
che i ritmi di attività del lupo ottimizzino il bilancio costi-benefici, riducendo il rischio di incontro
con l’uomo e aumentando le probabilità di incontro con le potenziali prede (Lima e Dill, 1990).
Sebbenre il costo delle TVF, l’affidabilità delle attrezzature, la possibilità di furto dei dispositivi e
lo sforzo di campionamento possono risultare eccessivi per un monitoraggio su piccola scala,
comparandolo ad altri metodi di campionamento, il costo è ammortizzato nel tempo e la gestione
dei dispositivi può essere affidata a pochi ma esperti operatori. Infine anche la tecnica del foto- e
video-trappolaggio si è dimostrata efficace nel misurare il numero minimo di lupi presenti, la
struttura della popolazione, i ritmi di attività del lupo e delle sue prede e le relazioni tra il predatore
e le attività antropiche.
MODELLI DI VALUTAZIONE AMBIENTALE
I modelli formulati per la presenza del lupo hanno mostrato complessivamente una buona efficacia
predittiva, confermata dai nuovi dati raccolti. Infatti, l’ambiente appenninico e alpino della Liguria
sono caratterizzati dalla presenza di comunità di ungulati selvatici in espansione, grazie ad
immissioni per scopi venatori, reintroduzioni effettuate da vari enti e alla naturale espansione e
ricolonizzazione degli areali storici e degli habitat idonei a queste specie. La notevole copertura
forestale della regione e il basso disturbo antropico presente nell’entroterra ligure hanno favorito
questa espansione e lo stanziamento di queste specie. Pertanto la Liguria rappresenta un territorio
idoneo per l’espansione delle popolazioni di lupo. Sebbene le validazioni con i nuovi dati abbiano
mostrato una maggiore efficacia predittiva del modello basato sull’analisi delle foreste casuali (RF),
si ritiene importante sviluppare e aggiornare i modelli predittivi con gli 11 metodi utilizzati, per una
conoscenza più dettagliata ed approfondita e per ridurre errori di classificazione dovuti all’uso di un
singolo modello. Inoltre, l’aggiornamento periodico dei modelli con i nuovi dati raccolti permetterà
d’incrementarne l’efficacia nel prevedere la distribuzione della specie, verificarne eventuali
cambiamenti e individuarne tempestivamente le cause.
IMPATTO SULLA ZOOTECNIA
Le principali problematiche legate alla presenza del predatore derivano dal suo impatto sulla
zootecnia. La presenza del carnivoro in una data area, infatti, può innescare conflitti con l’uomo e le
sue attività economiche. L’interazione tra impatto predatorio, caratteristiche ambientali e
128
comportamento dei predatori può rendere difficile l’individuazione dei principali fattori che
determinano il rischio di predazione. Dai dati relativi al censimento degli allevamenti in Liguria
risulta che gli allevamenti di ovicaprini sono molto più numerosi rispetto a quelli di bovini.
Analizzando in particolare le diverse province si osserva che a Genova è presente il maggior
numero di allevamenti sia di bovini che di ovicaprini, seguita per i bovini dalla provincia di La
Spezia, Savona e infine Imperia. Per gli ovicaprini, dopo Genova, le province con il maggior
numero di capi sono Savona, La Spezia e Imperia.
Gli allevamenti di bovini adottano maggiormente l’orientamento produttivo da carne in tutte le
province, piccole percentuali sono relative agli allevamenti da latte e con orientamento misto
soprattutto a Genova e Imperia. Il numero di allevamenti che adotta la linea vacca-vitello, più
vulnerabile a predazione da parte del lupo, sono in ordine crescente in provincia di Genova con
circa il 30% del totale, Imperia, La Spezia e inine Savona dove quasi il 70% di tutti gli allevamenti
adotta questa tipologia produttiva. L’orientamento produttivo principale degli allevamenti di ovicaprini è misto nella provincia di Genova e da autoconsumo nelle restanti province.
La maggior parte degli allevamenti ovicaprini sono condotti all’aperto nelle province di Imperia e
La Spezia, toccando quasi il 90% del totale, influendo in modo deciso sul rischio di predazione. In
provincia di Genova la percentuale di allevamenti condotti all’aperto si riduce intorno al 50% e
infine in provincia di Savona la maggior parte sono a conduzione stabulata.
A partire dal 2013 i dati forniti dalle ASL in merito ai casi di predazione, avvenuti dal 2002 al 2013,
riguardano tutte le province liguri. Per Savona il 2013 rappresenta il primo anno in cui vengono
verificate e rimborsate le predazioni sul patrimonio zootecnico. Per la provincia di La Spezia i dati
sono stati registrati a partire dal 2012 mentre per la provincia di Imperia e Genova si hanno dati più
consistenti riguardanti molti più anni. Verificando gli andamenti del numero di predazioni negli
anni si osserva una netta diminuzione nella zona dell’Antola dal 2007 in poi, in diminuzione anche
gli eventi nella zona del Parco del Beigua. Nell’area del Parco regionale dell’Aveto si registra un
trend discontinuo negli anni, in leggero aumento nel 2013 rispetto all’anno precedente. Infine in
provincia di Imperia e in quella di La Spezia si è verificato un aumento delle predazioni rispetto agli
anni precedenti. Per quanto riguarda il numero di capi predati si registra un leggero aumento
rispetto all’anno precedente in tutte le aree. Le predazioni sono state soprattutto a carico di vitelli
nella zona del Parco dell’Antola, e una piccola parte in provincia di Imperia. Nelle restanti zone il
129
fenomeno ha interessato principalmente pecore e capre, con differenze significative negli eventi di
predazione e nel numero di capi predati. Dall’analisi multifattoriale della varianza effettuata sulle
predazioni ufficialmente registrate sono emerse differenze significative tra le specie predate, tra le
diverse zone e l’interazione tra le zone e gli anni. Verificando l’andamento mensile degli eventi e
dei capi predati si osserva che nella zona dell’Antola e dell’Aveto si registrano eventi durante tutto
l’anno con due periodi più intensi a luglio e a settembre per l’Aveto e a giugno-luglio e ottobre per
l’Antola. Nella provincia di Imperia si registrano eventi tra aprile e novembre con un massimo in
settembre. In provincia di Savona, La Spezia e nella zona del Beigua gli eventi sono discontinui e
registrati tra marzo e novembre. Nei diversi mesi dell’anno i bovini vengono predati da marzo a
dicembre e maggiormente all’inizio della stagione di pascolo tra maggio e giugno, periodo in cui
più spesso nascono i vitelli. Le capre e le pecore, predate durante tutto l’anno, hanno andamenti
simili nei diversi mesi con un picco massimo di predazioni e capi predati nel mese di settembre.
L’analisi di regressione con stima di curve, condotta per eventi di predazione e capi predati, ha
evidenziato una marcata tendenza all’aumento del numero di attacchi e di animali predati, tenendo
in considerazione che dall’anno in esame si sono aggiunte per la prima volta le predazioni della
provincia di Savona. Considerando i rimborsi erogati dalle province liguri per danni da predazione
al bestiame, l’analisi di regressione con stima di curve ha mostrato una marcata tendenza alla
diminuzione.
Come per i modelli predittivi della presenza del lupo, anche i migliori modelli predittivi del rischio
di predazione sono stati verificati e validati con i nuovi casi di predazione avvenuti nel corso
dell’ultimo anno di campionamento. L’efficacia predittiva dei modelli del rischio di predazione è
stata elevata e in particolare il secondo modello è risultato quello che ha meglio previsto i casi di
predazione. Questi risultati sono di primaria importanza per definire le aree di maggior criticità,
ovvero quelle in cui il conflitto uomo-predatore è e sarà più elevato. Le mappe derivanti dai modelli
di rischio di predazione costituiscono uno strumento applicativo che permetterà alle amministrizioni
di indirizzare le risorse economiche esistenti all’acquisto di strumenti preventivi da impiegare
primariamente nelle aree di pascolo con il rischio di predazione maggiore. Pertanto, al fine di
tutelare le attività antropiche e la conservazione del grande carnivoro, si suggerisce di continuare ad
affiancare al monitoraggio del lupo quello dei casi di predazione da parte dello stesso, nonché di
verificare periodicamente le aree interessate dal pascolo e le loro caratteristiche ambientali e
130
gestionali, per l’ulteriore sviluppo, aggiornamento e validazione dei modelli relativi al rischio di
predazione.
PREVENZIONE
Per cercare di ridurre ulteriormente i casi di predazione sul bestiame e il conflitto tra lupo e
zootecnia, anche nel 2013sono stati forniti gratuitamente strumenti preventivi anti-predatori agli
allevatori e pastori che hanno aderito all’iniziativa.
L’efficacia di tali strumenti è stata verificata su 17 allevamenti che hanno aderito al programma fino
alla data utile per verificare eventuali eventi di predazione regolamente denunciati e rimborsati
nell’anno successivo l’installazione di mezzi di prevenzione. È stato confrontato il numero di eventi
registrati l’anno prima e quelli avvenuti l’anno successivo all’adozione dei metodi di prevenzione;
negli allevamenti con recinti elettrificati o dissuasori sonori faunistici il numero di eventi è
diminuito, anche se statisticamente poco significativo, è diminuito invece significativamente il
numero di capi predati. È importante ribadire che i casi accertati di predazione in questi allevamenti
non sono mai avvenuti in aree protette con mezzi difensivi funzionanti e correttamente installati.
Risulta comunque la pecora la specie più predata, in genere in area non protetta, seguita da capre e
pochissimi eventi su vitelli. Purtroppo, dato il numero ridotto di allevamenti che hanno aderito al
programma di prevenzione e che hanno installato correttamente i mezzi di prevenzione, non è stato
possibile verificare l’efficacia dei diversi metodi messi in opera. I risultati ottenuti devono, quindi,
essere considerati con cautela sebbene il confronto sia stato condotto sugli stessi allevamenti, prima
e dopo la messa in opera dei sistemi di prevenzione. Tuttavia, per arrivare a conclusioni definitive
sull’efficacia della prevenzione dovrebbe essere adottato un disegno sperimentale classico che
dovrebbe prevedere un confronto tra situazioni sperimentali (con prevenzione) e di controllo (senza
prevenzione) e l’inversione, nell’anno successivo, di trattamenti e controlli. Il test dovrebbe essere
condotto come segue:

Selezione casuale di almeno una coppia di allevamenti, tra quelli a rischio di predazione, per
ogni specie allevata e per ogni metodo da sperimentare, in ognuna delle quattro province;

Verifica delle caratteristiche ambientali degli allevamenti che devono essere uguali o molto
simili per ogni coppia;
131

Verifica che negli anni precedenti la sperimentazione si siano verificati eventi di predazione
in entrambi i membri di ogni coppia;

Installazione dei metodi di prevenzione in uno dei membri di ogni coppia scelto a caso; i
metodi dovrebbero essere: a) recinzioni elettrificate, b) dissuasori, c) cani da guardia del
bestiame, d) sorveglianza durante il pascolo, e) ricovero notturno. Sperimentare tutte le
possibili combinazioni dei diversi metodi aggiungerebbe maggior valore alle analisi;

Inversione nell’anno successivo dei membri delle coppie; vale a dire che l’allevamento
“trattamento” diventa “controllo” e viceversa.
Per evitare risultati erronei, i metodi di prevenzione dovrebbero essere attivati all’inizio del periodo
di pascolo e non a stagione avanzata. È necessario, inoltre, che venga controllata l’effettiva messa in
opera degli strumenti di prevenzione e la loro efficienza per tutto il periodo di sperimentazione.
Programmando la sperimentazione secondo il disegno sopra descritto sarà possibile arrivare a
valutazioni conclusive e realistiche dell’efficacia di ogni metodo, anche in relazione alla specie
predata.
Un valore aggiunto alla sperimentazione dei metodi anti-predatori è dato dal miglioramento del
rapporto tra gli allevatori e le amministrazioni competenti. Infatti, pastori e allevatori non
considerano le amministrazioni (regionali e provinciali) enti che esercitano controllo solo per
proteggere il lupo ma, visti i risultati ottenuti, cominciano, seppur faticosamente, a considerare
possibile la convivenza pacifica con il predatore, non più visto come un avversario da eliminare, ma
come un elemento dell’ambiente.
Si ribadisce ulteriormente che la standardizzazione del sistema “denuncia – controllo – rimborso”
da parte delle province e degli organismi competenti (A.S.L., Polizia Provinciale, Corpo Forestale
dello Stato, ecc.), in termini di velocità ed efficienza, è in grado di evitare il protrarsi di ostilità con
gli allevatori, evitando così fenomeni di persecuzione nei confronti della specie. Quindi è necessario
che ogni caso di possibile predazione sia tempestivamente denunciato e controllato da esperti che
siano in grado, dalle modalità di attacco, uccisione e consumazione delle prede, di attribuire la
predazione. Perché questo avvenga è opportuno che i servizi veterinari ai quali solitamente si
rivolge l’allevatore, siano sensibilizzati in modo che inoltrino la segnalazione del danno
all’amministrazione competente e si possa organizzare un sopralluogo congiunto da parte di
132
veterinario, personale di vigilanza dell’amministrazione provinciale territorialmente competente e
un ricercatore del Progetto “Il Lupo in Liguria” esperto in materia.
Per favorire la tempestività e la verifica da parte delle diverse figure competenti sopracitate, oltre
all’opuscolo divulgativo redatto nella precedente fase, sono stati promossi incontri atti a
coinvolgere, informare e “formare” pastori ed allevatori sulle iniziative attivate per prevenire i
danni da lupo e sul come comportarsi in caso di predazione al bestiame. Tale opuscolo rappresenta
una brevissima sintesi degli strumenti di prevenzione delle predazioni che possono essere utilizzati
secondo le esigenze e il contesto in cui il bestiame pascola. Infatti, non vi è una soluzione unica che
si adatti a tutte le situazioni e pertanto è importante che sia verificata, dal personale addetto, la
messa in posa delle strutture preventive. Pertanto gli incontri sono un mezzo per migliorare i
rapporti con gli allevatori presenti sul territorio regionale, spiegando e rendendoli partecipi delle
diverse fasi della sperimentazione.
Per tali ragioni è opportuno proseguire con la sperimentazione e la comunicazione delle iniziative,
favorendo ulteriormente lo scambio d’informazioni in merito alle diverse problematiche affrontate,
ricordando che lo scopo del progetto è di favorire la coesistenza tra il lupo e le attività antropiche,
obiettivo raggiungibile solo con la collaborazione di tutti gli Enti interessati dalla presenza del
predatore e con una corretta informazione rivolta alle popolazioni umane residenti, agli allevatori e
ai pastori.
133
OPERE CITATE
AKAIKE H. (1973) Information theory as an extension of the maximum likelihood principle. In:
Second International Symposium on Information Theory. B.N. Petrov and F. Csaki (Eds).
Akademiai Kiado, pp. 267 - 281.
ANDERSON D.R., BURNHAM K.P. (2002) Avoiding pit falls when using Information-theoretic
methods. The Journal of Wildlife Management 66: 912 - 918.
BARABESI L., FRANCESCHI S. (2011) Sampling properties of spatial total estimators under
tesselation stratified designs, Environmetrics22: 271-278.
BARABESI L., FATTORINI L. (2013) Random versus stratified location of transects and points in
distance sampling: a theoretical comparison. Environmental and Ecological Statistics.
BATSCHELET E. (1981). Circular statistics in biology. New York: Academic Press.
BOITANI L., CIUCCI P. (1998) Il lupo, elementi di biologia, gestione, ricerca. Istituto Nazionale per
la Fauna Selvatica “Alessandro Ghigi”, Bologna. Documenti tecnici 23.
BOYCE M.S., VERNIER P.R., NIELSEN S.E., SCHMIEGELOW F.K.A. (2002) Evaluating resource
selection functions. Ecological Modelling 157: 281 - 300.
BREIMAN L., FRIEDMAN J.H., OLSHEN R.A., STONE C.J. (1984) Classification and regression trees.
Chapman and Hall, New York.
BREIMAN L. (2001) Random forests. Machine Learning 45: 5-32.
BUSBY JR (1991) BIOCLIM - a bioclimate analysis and prediction system. In: Margules CR, Austin
MP, editors. Nature Conservation: Cost E_ective Biological Surveys and Data Analysis. Canberra,
134
Australia: CSIRO. pp. 64-68.
BOWMAN A.W. (1985) A comparative study of some kernel-based nonparametric density
estimators. Journal of Statis-tical Computation and Simulation 21:313-327.
CAGNACCI F., MERIGGI A., LOVARI S. (2004) Habitat selection by the red fox Vulpes vulpes (L.
1758) in an Alpine area. Ethology Ecology & Evolution 16: 103 - 116.
CANIGLIA R., FABBRI E., GRECO C., MARTELLI D., PALADINI G., RIGACCI L., RANDI E. (2009)
Presenza e distribuzione del lupo (Canis lupus) in provincia di Bologna. Risultati ottenuti mediante
l’utilizzo integrato di diverse tecniche non invasive. In: Caniglia R., Fabbri E., Greco C., Randi E.
Eds. 2010. In: atti del convegno “Ricerca scientifica e strategie per la conservazione del lupo (Canis
lupus) in Italia”. Quaderni di conservazione della Natura, 33. Ministero dell’Ambiente-ISPRA.
CANIGLIA R., FABBRI E., GRECO C., GALAVERNI M., RANDI E. (2010) Forensic DNA against wildlife
poaching: Identification of a serial wolf killing in Italy. Forensic Science International: Genetics 4 :
334–338.
CHAVEZ A.S., GESE E.M. (2006) Landscape use and movements of wolves in relation to livestock in
a wildland agriculture matrix. Journal of Wildlife Management 70: 1079-1086.
CIUCCI P., BOITANI L., FRANCISI F., ANDREOLI G. (1998) Home-range, activity andmovements of a
wolf pack in central Italy. Journal of Zoology 243: 803 - 819.
CORSI F., DUPRÉ E., BOITANI L. (1999) A large scale model of wolf distribution in Italy for
conservation planning. Conservation Biology 13: 150 - 159.
EFRON B. (1979) Boostrap methods: another look at the jackknife. Annals of Statistics 7: 1-26
FRIEDMAN L. (1991) Multivariate additive regression splines. Annals of Statistics 1: 1-67.
135
FRIEDMAN J.H. (2001) Greedy function approximation: a gradient boosting machine. Annals of
Statistics 29: 1189-1232.
GERBER B.D., KARPANTY S.M., KELLY M.J. (2012) Evaluating the potential biases incarnivore
capture-recapture studies associated with the use of lure and varying density estimation techniques
using photographic-sampling data of Malagasy civet. Population ecology 54 (1): 43-54.
GILIO N., CAMPI C., OPPIO C., MERIGGI A. (2004) Distribuzione e uso dell’habitat del lupo (Canis
lupus L., 1758) nell’alto Appennino reggiano. Hystrix 15 (2): 39-54.
GOMPPER M.E., KAYS R.K., RAY J.C., LAPOINT S.D., BOGAN D.A.
AND
CRYAN J.R. (2006). A
comparison of non invasive techniques to survey carnivores communities in Northeastern North
America. Wildlife Society Bulletin 34: 1142–1151.
GU W., SWIHART R.K. (2004) Absent or undetected? Effects of non-detection of species occurrence
on wildlife-habitat models. Biological Conservation 116: 195 - 203.
HASTIE T.J., TIBSHIRANI R. (1990) Generalized additive models. Chapman and Hall, London.
HASTIE T., TIBSHIRANI R., BUJA A. (1994) Flexible discriminant analysis by optimal scoring.
Journal of the American Statistical Association 89: 1255-1270.
KARANTH K.U., NICHOLS J.D. (1998) Estimation of tiger densities, hidden prey: Sumatran tiger and
prey population in a tropical forest landscape. Animal Conservation 6: 131-139.
KAYS R., TILAK S., KRANSTAUBER B., JANSEN P.A., CARBONE C., ROWCLIFFE M., FUNTAIN T. (2009)
Camera traps as sensor networks for monitoring animal communities. IEEE conference on local
computer networks 34: 811-818.
136
KELLY M.J., HOLUB E.L. (2008) Camera trapping of Carnivores: Trap success among camera types
and across species, and habitat selection by species, on Salt Pond Mountain, Giles Country,
Virginia. NorthEastern Naturalist 15: 249-262.
KOIOLA I. (2002) Worldwide First: GPS-GSM Collar on a Finnish Wolf. Finnish Game and
Fisheries Research Institute and Environmental Studies.
KREBS C.J. (1999) ECOLOGICAL METHODOLOGY. MENLO PARK, CALIFORNIA: BENJAMIN/CUMMINGS,
P. 620.
KUSAK J., SKRBINSEK A. M., HUBER D. (2005) Home ranges, movements, and activity of wolves
(Canis lupus) in the Dalmatian part of Dinarics, Croatia. European Journal of Wildlife Research 51:
254-262.
JACOBS J. (1974) Quantitative measurements of food selection: a modification of the forage ratio
and Ivlev’s electivity index. Oecologia 14: 413-417.
JENKS K.E., CHANTEAP P., DAMRONGCHAINARONG K., CUTTER P., CUTTER P., REDFORD T., LYNAM
A.J., HOWARD J., LEIMGRUBER P. (2011). Using relative abundance indices from camera-trapping to
test wildlife conservation hypotheses, an example from Khao Yai National Park, Thailand, Tropical
Conservation Science 4: 113-131.
JONES-FARRAND D.T., FEARER T.M., THOGMARTIN W.E., THOMSON F.R. III, NELSON M.D., TIRPAK
J.M. (2011)Comparison of statistical and theoretical habitat models for conservation planning: the
benefit of ensemble prediction. Ecological Applications 21(6): 2269-2282.
LIMA S.L., DILL L.M. (1990) Behavioural decisions made under the risk of predation. Canadian
Journal of Zoology 68: 619-640.
MACKENZIE D.I., NICHOLS J.D. (2004) Occupancy As A Surrogate For Abundance Estimation.
Animal Biodiversity Conservation 27: 461-467
137
MACKENZIE D.I. (2005) What Are The Issues With Presence-Absence Data Foto Wildlife
Managers? Journal Of Wildlife Management 69: 849-860
MASSOLO A., MERIGGI A. (1998) Factors affecting habitat occupancy by wolves in northern
Appennines (northern Italy): a model of habitat suitability. Ecography 21: 91 - 107.
MASSOLO A., MERIGGI A. (2007) I modelli di valutazione ambientale per le potenzialità faunistiche:
aspetti metodologici e stato in Italia. In: Valorizzazione agro-forestale e faunistica dei territori di
collina e montagna. Lucifero M., Genghini M. (a cura di) INFS, MIPAF, S.t.e.r.n.a. Ed. Grafiche
3B, Toscanella di Dozza (BO). Pag. 43 - 77.
MCCULLAGH P., NELDER J.A. (1989) Generalized linear models. Chapman and Hall, London.
MECH L.D., BOITANI L. (2003) Wolves, Behavior, ecology and conservation. The University of
Chicago Press, USA.
MEEK P.D., BALLARD G., FLEMING P. (2012) An introduction to camera trapping for wildlife surveys
in Australia. Canberra: Invasive Animals CRC.
MERIGGI A., LOVARI S. (1996) A review of wolf predation in southern Europe: does the wolf prefer
wild prey to livestock? Journal of Applied Ecology 33: 1561-1571.
MERIGGI A., M ILANESI P. (2008) Distribuzione e stato del lupo (Canis lupus) in Liguria. Rapporto
tecnico di inizio progetto “Il Lupo in Liguria”.
MERIGGI A., M ILANESI P. (2009) Ecologia del lupo (Canis lupus) in Liguria e impatto sulla
zootecnia. Rapporto tecnico per il progetto “Il Lupo in Liguria”.
138
MERIGGI A., BRANGI A., SCHENONE L., SIGNORELLI D., MILANESI P. (2011) Changes of wolf (Canis
lupus) diet in Italy in relation to the increase of wild ungulate abundance. Ethology Ecology &
Evolution 23: 195 - 210.
MERIGGI A., M ILANESI P., SCHENONE L., S IGNORELLI D., SERAFINI M., TORRETTA E., PUOPOLO
F., ZANZOTTERA M., RANDI E., CANIGLIA R., FABBRI E. (2012) Distribuzione, consistenza ed
impatto del lupo in Liguria - Strategia di convivenza e gestione dei conflitti.
MERIGGI A., MILANESI P., SERAFINI M., TORRETTA E., IMBERT C., CANIGLIA R., FABBRI E., RANDI E.,
SCHENONE L., SIGNORELLI D., PUOPOLO F., ZANZOTTERA M., MAGLIANO M. (2013) Status ed
ecologia del lupo in Liguria dal monitoraggio alla gestione dei conflitti. Relazione tecnica per il
progetto “Il lupo in Liguria”
MOILANEN A. (2002) Implication of empirical data quality for metapopulation model parameter
estimation and application. Oikos 96: 516 - 530.
O’BRIEN T.G., KINNAIRD M.F., WIBISONO H.T. (2003) Crouching tigers, hidden prey: Sumatran tiger
and prey populations in a tropical forest landscape. Animal Conservation 6: 131-139.
O’CONNELL A.F., BAILEY L.L. 2011. Inference for occupancy and occupancy dynamics. In:
O’Connell A.F., Nichols J.D., Karanth K.U. editori, Camera traps in animal ecology. Springer, New
York. Pp. 191-206
PHILLIPS S.J., ANDERSON R.P., SCHAPIRE R.E. (2006) Maximum entropy modeling of species
geographic distributions. Ecological Modeling 190: 231 - 259.
RIPLEY B.D. (2007) Pattern recognition and neural networks. Cambridge University Press,
Cambridge.
139
ROSS J., HEARN A.J., JOHNSON P.J., MCDONALD D.W. (2013) Activity patterns and temporal
avoidance by prey in response to Sunda clouded leopard predation risk. Journal of Zoology 290: 96106.
ROVERO F., ZIMMERMAN F., BERZI D., MEEK P. (2013) Which camera trap type and how
many do I need? A review of camera features and study designs for a range of wildlife research
applications. Hystrix, the Italian Journal of Mammalogy 24 : 148-156.
SILVEIRA L., JACOMO A.T.A., DINIZ-FILHO J.A.F. (2003) Camera trap, line transect census and track
surveys: a comparative evaluation. Biological Conservation 114: 351-355
SILVERMAN B.W. (1986) Density estimation for statistics and data analysis. Chapman and Hall,
London, England.
TYRE A.J.B., TENHUMBERG S.A., FIELD D., NIEJALKE K.P., POSSINGHAM H.P. (2003) Improving
precision and reducing bias in biological surveys by estimating false negative error rates in
presence-absence data. Ecological Applications 13: 1790 - 1801.
VILÀ C., URIOS V., CASTROVIEJO J. (1995) Observations on the daily activity patterns in the Iberian
wolf. Pp. 335-340 in Ecology and conservation of wolves in a changing world. In: L. N. Carbyn, S.
H. Fritts, and D. R. Seip, eds.. Occasional Publication No. 35, Canadian Circumpolar Institute,
University of Alberta, Edmonton, Alberta, Canada.
WEBER J.M., MEIA J.S. (1996) Habitat use by red fox (Vulpes vulpes) in a mountainous area.
Ethology, Ecology and Evolution 8: 223 - 232.
ZUUR A.F., IENO E.N., ELPHICK C.S. (2010) A protocol for data exploration to avoid common
statistical problems. Methods in Ecology & Evolution 1: 3 - 14.
140
ZANZOTTERA M. 2012. Il foto-trappolaggio per lo studio delle popolazioni di lupo (Canis lupus L.,
1758). Tesi di laurea Università degli Studi di Pavia (PV).
141
Ringraziamenti
Per la preziosa collaborazione ed il supporto in tutte le fasi dello studio si ringraziano :
Dott. Giovanni Diviacco (Regione Liguria);
Dott. Piero Ferrari (Regione Liguria);
L’Ente Parco Regionale dell’Antola;
I parchi regionali delle Alpi Liguri, dell’Aveto e del Beigua;
Gli uffici A.S.L. Regionali, di Genova, di Chiavari, di La Spezia, di Savona e di Imperia;
l'Istituto Zooprofilattico Sperimentale del Piemonte, Liguria e Valle d'Aosta (sede di Imperia);
I Corpi Forestali dello Stato e le Polizie Provinciali presenti sul territorio ligure;
Le Amministrazioni Provinciali di Genova, Imperia, La Spezia e Savona;
Il Museo Civico di Storia Naturale “Giacomo Doria” di Genova;
Tutti i volontari e gli studenti che hanno partecipato alla raccolta dei dati.
142