Uno studio confronta rilievi laser da drone e dati aerei pubblici per stimare il volume legnoso. I risultati favoriscono il drone nel caso analizzato, ma evidenziano quanto contino l’aggiornamento delle acquisizioni e la qualità delle informazioni.
Quanto migliora un inventario forestale quando si utilizzano dati LiDAR acquisiti da drone? Un preprint pubblicato su arXiv il 5 ottobre 2026 affronta la domanda confrontando dati laser aerei pubblici, indicati come ALS, e nuove acquisizioni da drone, o ULS, in una foresta mista della Germania nordorientale. L’obiettivo è stimare il growing stock volume (GSV), il volume legnoso degli alberi in piedi, integrando misure sul terreno e informazioni telerilevate attraverso modelli statistici bayesiani.
Un errore di previsione inferiore del 13,8%
Nel confronto, i modelli basati sui dati da drone raggiungono un errore di previsione in validazione incrociata di 68,5 m³/ha, rispetto ai 79,5 m³/ha dei modelli alimentati dai dati aerei: una riduzione del 13,8%. I dati ULS producono anche una minore incertezza nelle stime del volume medio per popolamento. L’introduzione di componenti spaziali più complesse nei modelli offre invece miglioramenti limitati, a fronte di maggiori costi di calcolo.
La data del rilievo conta
Gli autori avvertono che il vantaggio potrebbe dipendere sia dal maggiore dettaglio dei dati da drone sia dalla loro maggiore vicinanza temporale alle misure sul terreno. Per separare l’effetto della piattaforma da quello dell’aggiornamento servono confronti con acquisizioni contemporanee. Il lavoro è un preprint: i risultati descrivono il caso studiato e non dimostrano una superiorità generale dell’ULS sull’ALS.
Come orientare la scelta del rilievo
Per chi deve progettare una campagna di acquisizione, la lettura operativa è quindi valutare insieme dettaglio, aggiornamento e obiettivo dell’inventario. Prima di commissionare un nuovo volo, conviene chiedersi quanto siano recenti i dati disponibili e quali cambiamenti possano essere intervenuti nel bosco. Il confronto suggerisce inoltre una domanda utile per l’intera filiera geomatica: il prossimo investimento deve riguardare un modello più sofisticato oppure dati più adatti al problema? Nel caso degli inventari forestali, verificare la coerenza temporale tra rilievi e osservazioni a terra è un passaggio essenziale per interpretare correttamente le prestazioni.
Fonte: Arthur Spitta e coautori, Evaluating LiDAR Data Sources, Predictor Resolution, and Spatial Random Effects in Bayesian Change-of-Support Models for Forest Inventory.
