STATO AVANZAMENTO IV FASE

Transcript

1 2011 Regione Liguria Parco Naturale Regionale dell Antola Dipartimento di Biologia Animale Università di Pavia STATO AVANZAMENTO IV FASE Olio su tela di Emilia Salvini GIUGNO 2011

2 Regione Liguria Parco Naturale Regionale dell Antola Dipartimento di Biologia Animale Università di Pavia STATO AVANZAMENTO IV FASE Olio su tela di Emilia Salvini 2

3 GIUGNO 2011 A CURA DI ALBERTO MERIGGI PIETRO MILANESI LAURA SCHENONE DÉSIRÉE SIGNORELLI MATTEO SERAFINI NICOLA BRIELLI ELISA TORRETTA DIPARTIMENTO DI BIOLOGIA ANIMALE - UNIVERSITÀ DEGLI STUDI DI PAVIA ETTORE RANDI ROMOLO CANIGLIA ELENA FABBRI LABORATORIO DI GENETICA ISTITUTO SUPERIORE PER LA PROTEZIONE E LA RICERCA AMBIENTALE 3

4 PREMESSA La presente relazione tecnica espone i risultati preliminari del quarto anno di monitoraggio nell ambito del progetto Il Lupo in Liguria, raccolti dal mese di giugno 2010 a maggio 2011, considerando quattro stagioni: estate, autunno, inverno e primavera. Al fine di ottenere informazioni sulla distribuzione del lupo in Liguria attendibili e confrontabili con quelle raccolte durante le precedenti fasi del progetto e, al fine di individuare eventuali zone di recente o recentissima espansione dell areale, lo schema di monitoraggio non è stato modificato. Particolare attenzione è stata data anche al reperimento di campioni biologici freschi, utili per le analisi genetiche e finalizzati alla definizione degli spostamenti e alla stima della consistenza della specie nell intero territorio regionale. Rilevando inoltre i segni di presenza delle potenziali prede del lupo, come già effettuato durante le precedenti fasi del progetto, è stato possibile acquisire dati d abbondanza, consistenza e/o densità, anche per le popolazioni di ungulati selvatici (cinghiale, cervidi e bovidi) e domestici (bovini e ovi-caprini). In sintesi la presente relazione contiene i risultati relativi a: 1. Distribuzione e consistenza del lupo in Liguria (con risultati) ; 2. Aggiornamento e distribuzione degli allevamenti in Liguria (con risultati) ; 3. Impatto del lupo sulla zootecnia (con risultati) ; 4. Valutazione del rischio di predazione a carico del bestiame (in analisi) ; 5. Sperimentazione di metodi preventivi anti-predatori (in analisi) ; 6. Corso di Formazione per operatori del Progetto (da svolgere). 4

5 MATERIALI E METODI 1. DISTRIBUZIONE E CONSISTENZA DEL LUPO IN LIGURIA Durante il monitoraggio, effettuato da giugno 2010 a maggio 2011, sono stati raccolti i dati suddividendo lo sforzo di campionamento nelle diverse stagioni: estate, autunno, inverno e primavera. Lo schema del monitoraggio, che rispecchia quello delle precedenti fasi del progetto, ha permesso di ottenere informazioni attendibili sulla distribuzione del lupo in Liguria ed individuare eventuali zone di recente o recentissima espansione dell areale. Come per gli anni precedenti, particolare attenzione è stata data al reperimento di campioni biologici freschi utili per le analisi genetiche, finalizzate alla definizione degli spostamenti dei lupi e alla stima della consistenza della popolazione che occupa la regione Liguria. Come per le fasi precedenti del progetto, sono stati raccolti anche dati sulle potenziali prede del lupo e dei suoi possibili competitori, acquisendo quindi informazioni riguardanti l abbondanza delle popolazioni di ungulati selvatici (cinghiale, cervidi e bovidi), nonché delle popolazioni delle principali specie di carnivori che vivono sul territorio ligure. Per assicurare una copertura uniforme del territorio regionale e per poter individuare le zone d espansione dell areale del lupo, è stata sovrapposta alla regione una griglia a maglie quadrate di 10 x10 Km ed all interno di ogni cella, definita dalla griglia, è stato scelto in modo opportunistico un transetto di lunghezza minima di 2,2 Km e massima di 10,4 Km. Ogni transetto è stato percorso stagionalmente e sono stati registrati i segni di presenza del lupo (feci, impronte, predazioni su animali selvatici e sul bestiame) e quelli delle potenziali specie preda. A questo scopo sono state predisposte schede di campionamento per la registrazione delle osservazioni e per la raccolta di tutte le informazioni necessarie alle successive elaborazioni; inoltre sono state raccolte e registrate tutte le segnalazioni di terzi riguardanti avvistamenti, ululati, predazioni e lupi abbattuti illegalmente, provenienti da tutta la regione. 5

6 Sulla base della griglia di riferimento, costituita da celle spaziate di 10 Km di lato, sovrapposta al territorio della regione, sono stati selezionati 63 transetti per la lunghezza totale di 285,8 Km (media = 4,6 Km ; DS=1,4) (Fig.1.1). Fig Distribuzione dei transetti per il monitoraggio della presenza del lupo in regione Liguria 6

7 Oltre ai transetti, sono stati individuati 30 punti di marcatura per la raccolta di escrementi freschi da destinare alle analisi genetiche. Il massimo numero di transetti è stato individuato per la provincia di Genova (N=20) e quello minimo per la provincia di La Spezia (N=9); 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 Statistiche descrittive della lunghezza dei transetti selezionati in ogni provincia della Liguria Provincia N Transetti Min. Max. Media DS Totale Imperia , , , , ,63 Savona , , , , ,58 Genova , , , , ,63 La Spezia , , ,05 369, ,50 Regione , , , , ,36 7

8 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). 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. ad 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 Altitudine minima e massima (m s.l.m.) ed escursione altimetrica dei transetti selezionati in ogni provincia della Liguria Provincia Altitudine minima (m s.l.m.) Altitudine massima(m s.l.m.) Escursione (m) Imperia Savona Genova La Spezia Regione

9 Le osservazioni dei segni di presenza, registrate sui transetti, e le segnalazioni pervenute, verificate per la loro attendibilità, sono state ripartite per tipo di osservazione, provincia, stagione e mese. Per definire l areale attualmente occupato dal lupo in Liguria ed individuare i possibili branchi presenti, tutte le osservazioni sono state mappate mediante il programma ArcGIS 9.3. Successivamente è stata effettuata la Kernel Analysis (KA), mediante il programma R Cran, al fine di individuare l areale del predatore. 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 99% delle osservazioni (KA99), 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. La raccolta delle feci di lupo risulta molto utile per lo svolgimento delle analisi genetiche non invasive; dagli escrementi freschi infatti viene prelevata una piccola porzione di campione in cui si trovano cellule di sfaldamento dell intestino contenenti materiale genetico. L utilizzo delle tecniche genetiche non invasive viene applicato per lo studio di specie elusive, come i grandi carnivori, in quanto consente di studiare le specie senza catturarle e quindi senza creare danno o stress all animale. Dopo la raccolta del campione la conservazione può avvenire tramite congelamento, a temperature di 20 o inferiori, o in etanolo (concentrato almeno al 70%), tenendolo a temperatura ambiente per alcuni giorni o per periodi più lunghi in congelatore a 20. 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 le regioni prescelte, permettendo quindi l identificazione della specie, del sesso dell animale e dei singoli individui. Attraverso le analisi genetiche è possibile effettuare delle stime numeriche precise, individuare i componenti dei branchi, calcolare gli spostamenti, stimare l area vitale, valutare le modalità di dispersione degli individui e verificare l esistenza di fenomeni di ibridazione con cani. Il materiale genetico può essere estratto, oltre che da escrementi, anche da peli, dall urina, dal sangue e da 9

10 campioni di tessuto ricavati dalle carcasse degli animali morti. Le analisi sono state effettuate dai genetisti del laboratorio dell I.S.P.R.A. (Istituto Superiore per la Protezione e Ricerca Ambientale) di Ozzano dell Emilia (BO). 10

11 2. AGGIORNAMENTO E DISTRIBUZIONE DEGLI ALLEVAMENTI IN LIGURIA Per valutare l impatto della predazione da parte del lupo sulla zootecnia sono stati utilizzati i dati del censimento degli allevamenti in Liguria effettuato dall Associazione Provinciale Allevatori di Genova. Gli allevamenti sono stati classificati per: Provincia; Specie allevata (bovini e ovi-caprini); Orientamento produttivo (carne, riproduzione, ingrasso, latte, linea vacca-vitello, misto); Modalità (all aperto, stabulato, sconosciuta); Grado di sorveglianza (non sorvegliato, parzialmente sorvegliato, sorvegliato). 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 tra le province, è stata utilizzata l Analisi Multifattoriale della Varianza (metodo GLM). L analisi univariata della varianza (one-way ANOVA) può essere estesa all analisi di un numero maggiore di fattori. La variabile analizzata è sempre una sola, ma il numero di fattori (o criteri di classificazione, o vie) che distinguono i diversi campioni è maggiore di 1. Si parla quindi di ANOVA univariata multifattoriale, detta anche MANOVA. L'ipotesi alla base dell'analisi della varianza è che dati n gruppi, sia possibile scomporre la varianza in due componenti: varianza interna ai gruppi o entro-gruppi (Within) e varianza tra-gruppi (Between). Se la variabilità interna ai gruppi è relativamente elevata rispetto alla variabilità tra i gruppi, allora probabilmente la differenza tra questi gruppi è soltanto il risultato della variabilità interna. La relazione tra varianza totale, σ 2, riferita agli n gruppi e varianze calcolate sui singoli gruppi (g = 1,2,...,G) risulta essere : σ 2 = quindi : σ 2 = 11

12 dove il primo addendo rappresenta la varianza entro-gruppi, il secondo la varianza tra gruppi, M la media totale degli n gruppi ed è uguale alle medie parziali di ciascun gruppo con pesi uguali alle rispettive frequenze relative di gruppo. A loro volta, le medie parziali dei valori del g-esimo gruppo sono date da : Inoltre si ha che: = La varianza entro-gruppi è uguale alla media ponderata delle varianze parziali, calcolate in ogni gruppo. La varianza tra-gruppi è uguale alla varianza ponderata delle medie parziali. I pesi sono uguali alle loro frequenze relative. Per verificare differenze tra le province nella frequenza dei diversi tipi di allevamento è stato utilizzato il test G (analisi per tavole di contingenza mediante il Rapporto di Verosimiglianza, con test esatto di permutazione). Quest analisi permette di verificare eventuali differenze significative tra il numero di casi attesi e quelli osservati, utilizzando la seguente formula: 2 dove O i ed E i sono le frequenze delle categorie i osservate ed attese. 12

13 3. IMPATTO DEL LUPO SULLA ZOOTECNIA Il test G è stato applicato anche per verificare le differenze nella frequenza degli eventi di predazione tra province, specie allevate, orientamento produttivo e modalità d allevamento. Per quanto riguarda le predazioni, sono stati considerati il numero di eventi, il numero di capi predati per evento, il numero di capi predati per allevamento, per anno e per provincia e l importo dei rimborsi. I dati sono stati forniti principalmente dagli assessorati competenti delle quattro province liguri ed a questi sono state aggiunte informazioni, raccolte direttamente presso gli allevatori, riguardanti casi di predazione non denunciati. 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 permette di identificare il modello nonlineare al quale meglio si adattano i dati considerati. Per analizzare i fattori ambientali e non che influiscono sulla probabilità di predazione, sono state misurate 12 variabili riguardanti le aree di pascolo utilizzate dagli allevamenti: 1. Superficie; 2. Perimetro; 3. Indice di forma (rapporto tra circonferenza di un cerchio di pari superficie e perimetro del pascolo); 4. Altitudine (media, minima, massima); 5. Esposizione; 6. Pendenza; 7. Distanza dal pascolo più vicino; 8. Distanza dal bosco più vicino; 9. Distanza dal corso d acqua più vicino; 13

14 10. Distanza dal centro abitato più vicino; 11. Distanza dall osservazione di lupo più vicina; 12. Percentuali dei tipi di vegetazione in un buffer di 1 Km intorno al pascolo. Successivamente, le variabili sono state confrontate tra i pascoli dove sono avvenute predazioni e quelli dove non sono mai state registrate perdite, mediante il test U di Mann-Whitney, per campioni indipendenti, al fine di individuare le variabili più importanti nella distinzione tra pascoli soggetti a predazione e pascoli sicuri. Il test, che può essere applicato quando i campioni hanno dimensioni diverse, permette di verificare la significatività della differenza tra le mediane, basandosi sul calcolo di due valori statistici (U 1 ed U 2 ), riordinando i dati per ranghi. La formula per il calcolo delle U è la seguente: U 1 = n 1 n ΣR 1 dove : U 2 = n 1 n ΣR 2 n 1 = numero di allevamenti in cui si è verificato l evento di predazione; n 2 = numero di allevamenti in cui non si è verificato l evento di predazione; Σ R 1 = sommatoria ranghi degli allevamenti in cui si è verificato l evento di predazione; Σ R 2 = sommatoria ranghi degli allevamenti in cui non si è verificato l evento di predazione; Il valore più piccolo tra U 1 e U 2 (U min ) viene confrontato con il valore tabulato per corrispondenti valori di n 1 ed n 2. Se il valore di U min è più piccolo di quello tabulato possiamo asserire che vi è differenza significativa. 14

15 4. VALUTAZIONE DEL RISCHIO DI PREDAZIONE A CARICO DEL BESTIAME Considerato che la probabilità che avvengano eventi di predazione dipende spesso da fattori concomitanti, sono state condotte anche analisi di tipo multivariato, indirizzate alla formulazione di modelli di rischio di predazione da parte di lupo. Con il termine modello si indica una semplificazione di un sistema complesso. In ambito ecologico il modello è principalmente di tipo matematico. Quando si basa su ipotesi formulate a priori, a partire da informazioni bibliografiche o derivanti dall esperienza personale, si parla di modello teorico oppure, nel caso di dati ricavati dal mondo reale, si parla di modello empirico. É stato attribuito un codice binario (0/1) a ciascun pascolo: con 1 sono stati indicati i pascoli all interno dei quali si è verificato almeno un caso di predazione, con 0 tutti gli altri. In questo modo sono stati rilevati 26 pascoli, confrontati con altrettanti pascoli, scelti in modo casuale tra quelle dove non è stata accertata la presenza di predazione. Attraverso l Analisi della Varianza (one way ANOVA) è stato effettuato il confronto tra i pascoli. L analisi ha permesso di verificare l esistenza di differenze significative tra i valori delle variabili nei pascoli di presenza di predazione ed in quelli di assenza. Mediante Analisi della Funzione Discriminante (AFD) è stato possibile individuare le variabili ambientali più efficaci nel separare i pascoli di presenza da quelli scelti casualmente. La funzione discriminante è rappresentata dall equazione: FD = β 0 + β 1x β n x n dove x n è la n-esima variabile indipendente e β n è il coefficiente standardizzato delle variabili indipendenti. L'apporto di ogni variabile alla funzione discriminante è espresso dal valore assoluto di β, che indica in quale misura la variabile entrata nel modello contribuisce alla discriminazione tra i gruppi individuati sulla base dei valori assunti dalla variabile dipendente e dal coefficiente di correlazione tra la stessa variabile e la FD. L AFD è stata effettuata con la procedura forward 15

16 stepwise (che comporta l aggiunta sequenziale di ciascuna variabile ambientale). La bontà della classificazione della Funzione Discriminante è stata valutata utilizzando 4 indicatori: - Lambda di Wilks (e sua trasformazione in Chi-quadrato): data dal rapporto tra matrice di devianza- codevianza entro gruppi e la devianza totale; - Autovalore: misura la varianza totale della variabile dipendente espressa nelle variabili selezionate, dando un'indicazione dell'importanza relativa della FD; - Correlazione canonica: misura il grado di associazione tra la FD e la variabile dipendente (nel nostro caso, la presenza/assenza di eventi di predazione); - Percentuale di casi classificati correttamente: casi osservati inizialmente in un gruppo che vengono riclassificati dalla funzione nello stesso gruppo. La funzione discriminante è tanto migliore quanto più massimizza l'autovalore, la correlazione canonica e la percentuale di casi classificati correttamente e quanto più minimizza il valore di lambda di Wilks. In questo caso, essendo la variabile dipendente binaria è stata ottenuta una sola funzione discriminante. Inoltre è stato formulato un modello predittivo della probabilità di presenza di predazione da parte di lupo nell area di studio, attraverso un Analisi di Regressione Logistica Binaria (ARLB). L equazione del modello logistico è: dove Y è la probabilità che l evento accada, z è l equazione caratteristica della regressione multipla lineare: z = β 0 + β 1x β n x n dove x n è la n-esima variabile indipendente e β n è il coefficiente standardizzato delle variabili indipendenti. Tramite l ARL è possibile stimare la probabilità di utilizzo delle aree di pascolo da parte del lupo. Questo modello ha il vantaggio di includere un numero di variabili molto ridotto 16

17 rispetto a quello di una funzione discriminante formulata sugli stessi casi. Secondo Meriggi e Massolo (1995), se non si vuole perdere stabilità nelle classificazioni, il numero di variabili che entrano nel modello non dovrebbe superare un quinto dei casi in cui l evento accade (predazione). Per selezionare le variabili che contribuiscono all equazione del modello logistico, è stata utilizzata la procedura forward stepwise, che comporta, dato un insieme di n variabili indipendenti (variabili ambientali), l aggiunta successiva e sequenziale di ciascuna variabile al modello, in una serie di passaggi iterativi. Il risultato ottenuto mediante ciascun passaggio viene saggiato con i test della massima verosimiglianza, del 2 Log Likelihood ( 2LL) e dello Z 2 (Adattamento o Goodness of Fit Statistic). La varianza della variabile dipendente spiegata dal modello è quantificata dal valore di R 2 corretto di Nagelkerke, che può assumere valori compresi tra 0 e 1. La stima del contributo di ciascuna variabile nella determinazione della qualità dell habitat è data dal valore della correlazione parziale (esprimibile con R, R 2 o Rho) tra la variabile in questione e la variabile dipendente, e dal rapporto tra la probabilità che l evento accada e la probabilità complementare che l evento non accada, denominata Esp (B). Un valore di R positivo indica che valori crescenti di quella variabile aumentano la probabilità che l evento accada, un valore di R negativo indica che valori crescenti di quella variabile diminuiscono tale probabilità. Il valore assoluto di R indica quindi il contributo parziale dato al modello da ogni variabile dipendente. Se Esp (B) è maggiore di 1, le probabilità che l evento accada aumentano, se invece è minore di 1 diminuiscono. Come ulteriore stima della predittività del modello di regressione logistica, viene solitamente usata la percentuale di casi classificati correttamente dal modello stesso, cioè dei punti analizzati in cui l evento di predazione coincide con quello previsto dal modello. Anche per questo tipo di analisi è stato effettuato un confronto fra i pascoli di presenza e di controllo. È stata inoltre effettuata un analisi mediante la curva ROC che permette di valutare lo scostamento del modello ottenuto da uno che classifica i casi casualmente (Massolo e Meriggi 2007). La curva ROC viene costruita mettendo in relazione la 17

18 sensibilità del modello (proporzione di casi positivi classificati correttamente) con il reciproco della sua specificità (proporzione di casi negativi classificati correttamente). Nel nostro caso è stato utilizzato il modello logistico perché costituisce uno dei metodi più usati per formulare una Funzione di Selezione delle Risorse, cioè un espressione matematica in grado di sintetizzare il processo di selezione dell habitat di una specie per prevederne la distribuzione (Boyce, McDonald, 1999; Manly et al, 2003). Tuttavia nel modello logistico sono entrate variabili correlate tra loro e quindi sono stati individuati, grazie alla matrice di correlazione di Pearson, sottogruppi di variabili non correlate (P > 0,05). Per ognuno dei sottogruppi è stata effettuata una ARL con la procedura enter, che aggiunge al modello tutte le variabili simultaneamente. L inferenza sui modelli ottenuti con i sottogruppi di variabili non correlate è stata effettuata seguendo l Information-Theoretic Approach (Anderson et al., 2000; 2001). In una prima fase è stato calcolato il logaritmo della massima verosimiglianza (MLL, Maximized Log-likelihood), secondo la formula: MLL = dove n è la dimensione del campione e σ 2 è il rapporto tra la somma dei quadrati dei residui (RSS, Residual Sum of Squares) e n. Quindi i modelli sono stati confrontati utilizzando il criterio di Akaike (AIC, Akaike Information Criterion; Akaike, 1973). AIC = n ln (σ 2 ) + 2k Nel nostro caso è stato calcolato l AIC corretto (AICc), consigliato nel caso la numerosità sia n/k < 40 (dove k è il numero di parametri del modello) (Massolo e Meriggi, 2007). 18

19 Il modello per il quale l AICc è risultato minimo viene selezionato come modello migliore e, per ordinare i modelli successivi, si calcola la differenza tra l AICc del modello migliore e gli AICc degli altri: i = AICc i min (AICc) Sempre per ordinare i modelli in base al rango, è stato poi calcolato per ognuno il peso w i, Akaike weight, del modello i-esimo, il cui valore può essere interpretato come la probabilità di un dato modello di essere il migliore tra tutti quelli considerati (Merli e Meriggi, 2006; Jedrzejewski et al., 2008). La formula usata è la seguente: L importanza relativa delle variabili indipendenti (variabili ambientali) è stata valutata in base ai seguenti criteri: - numero di modelli in cui compare ogni variabile; - varianza spiegata (R 2 ) dei modelli in cui compare la variabile; - valore del coefficiente parziale di regressione standardizzato in ogni modello; - somma dei pesi (w i ) dei modelli in cui entra la variabile; - media pesata dei coefficienti parziali di regressione standardizzati dei modelli in cui entra la variabile: 19

20 Inoltre, è stata calcolata la Varianza campionaria non subordinata di β, vale a dire la componente di varianza dovuta all incertezza nella selezione dei modelli, in modo che le stime non siano condizionate dal modello selezionato: 2 Secondo Anderson e Burnham (2002), oltre al miglior modello devono essere considerati i modelli con AICc < 2. La loro capacità predittiva deve essere valutata osservando la percentuale di casi classificati correttamente ed attraverso l utilizzo della curva ROC. La validazione dei modelli è stata effettuata con il metodo k-fold cross validation (Boyce et al., 2002); i pascoli sono stati divisi in due sottocampioni selezionati casualmente, usati alternativamente per la riformulazione dei modelli e per la loro validazione. La validazione è stata fatta confrontando le classificazioni previste dai modelli con quelle reali, tramite l uso di curve ROC e seguendo un metodo proposto da Boyce et al. (2002). Questo metodo, particolarmente efficace nel costruire dei modelli partendo da dati di presenza di predazione e disponibilità di pascoli, consiste in un analisi di correlazione tra la frequenza dei casi positivi reali e le probabilità previste dai modelli, suddivise in 10 classi, di probabilità 0,10 ciascuna. In seguito per ogni classe è stata calcolata la frequenza dei casi di predazione reale, pesata sul numero di pascoli compreso nella classe. Quindi, le aree di pascolo sono state distribuite in ugual numero tra le 10 classi, ed è stato calcolato il coefficiente di correlazione per ranghi di Spearman tra la frequenza pesata dei casi di predazione reale ed il rango della classe (da 1 a 10). Se il modello si adattasse bene, il numero di casi di predazione reale dovrebbe aumentare all aumentare del rango della classe (Boyce et al. 2002). È stata ulteriormente condotta una validazione complessiva dei modelli per tutti i sottogruppi: sono state calcolate le frequenze medie di casi di presenza di predazione nelle classi di probabilità ed è stata ripetuta l analisi di correlazione di Spearman. Infine i modelli sono stati utilizzati (singolarmente e cumulativamente) per classificare i pascoli dell area di studio. La 20

21 classificazione complessiva è stata ottenuta calcolando per ogni pascolo la probabilità media (ricavata dalle probabilità previste dai modelli) di predazione da parte di lupo. 21

22 5. SPERIMENTAZIONE DI METODI PREVENTIVI ANTI-PREDATORI La predazione sul bestiame allevato allo stato brado ha costituito e costituisce ancora oggi uno dei principali problemi di conservazione dei grandi carnivori (Fico, 2005). Il territorio ligure fino ai primi anni Ottanta non era frequentato da grandi predatori, di conseguenza i pastori non esercitavano alcun controllo sul bestiame. Gli allevatori attuali hanno perso l abitudine alla secolare convivenza con il predatore, tralasciando così anche tutte le forme di prevenzione nei confronti dei loro animali e aumentando di fatto il conflitto col predatore. In queste zone viene utilizzato spesso il pascolo allo stato brado, che ovviamente è più rischioso per il bestiame che risulta più vulnerabile agli attacchi di lupo (Meriggi e Milanesi, 2009). Questo predatore vede negli ungulati domestici una valida alternativa agli animali selvatici, in quanto gli è più facile catturare una pecora o un vitello, disponibili spesso in gran numero nei pascoli, ad alta densità, che predare la più malata o debilitata delle prede selvatiche (Mech, 1970). Esistono diversi metodi di gestione del bestiame e diverse tecniche di prevenzione, tuttavia non esiste un sistema infallibile ed assoluto che elimini del tutto l eventuale rischio di predazione (Meriggi e Milanesi, 2009). Benché il bestiame sia poco importante nella dieta del lupo in Liguria (Meriggi e Lovari, 1996; Meriggi et al., 2009), un miglioramento della gestione delle mandrie (ricovero degli animali di notte e nelle giornate di nebbia e sorveglianza ad opera dei pastori o cani da guardia), anche in quest area, potrebbe ridurre ancor più i danni e ridurre i conflitti tra presenza del lupo e attività zootecniche (Boitani, 1992; Blanco et al., 1992; Kaczensky, 1999; Bradley e Pletscher, 2005; Mancini, 2006). La predazione sul bestiame potrebbe essere influenzata da cambiamenti imposti dall uomo nell abbondanza di densità e specie di ungulati selvatici (Meriggi et al., 1996; Sidorovich et al., 2003). In particolare, in Liguria, l impatto del lupo sul bestiame è decisamente sostenibile considerando l esiguo ammontare dei rimborsi per le predazioni. Il vero problema è la fama che storicamente si porta dietro questo carnivoro, origine della diffidenza, preoccupazione e quindi persecuzione nei suoi 22

23 confronti. L individuazione dei fattori che influenzano maggiormente la scelta dei pascoli da parte del lupo è il primo passo verso la prevenzione. Anche la standardizzazione di un 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, eviterebbe il protrarsi di ostilità tra gli allevatori, evitando così fenomeni di persecuzione nei confronti della specie. Il compito dei ricercatori e tecnici è quello di far coesistere, in maniera sostenibile, le popolazioni dei grandi carnivori con le attività umane (Mech at al., 2000; Musiani et al., 2003; Sillero-Zubrini e Laurenson, 2003; Treves e Karath, 2003; Berger, 2006). Per questa ragione, nella IV fase del progetto, sono stati individuati 5 pascoli sull intero territorio regionale dove sperimentare diversi sistemi per ridurre il rischio di predazione. Negli allevamenti selezionati per la sperimentazione, 2 di bovini e 3 di ovi-caprini, sarà verificata l efficacia di dissuasori audio-visivi e recinti elettrificati. In ogni provincia è stato individuato almeno un pascolo. I dissuasori sono dotati di un sensore piroelettrico incorporato che si aziona al passaggio degli animali. Questo strumento, testato in diverse aree italiane (Toscana, Emilia-Romagna, Marche), ha dato ottimi risultati, dimostrandosi efficace nel prevenire i casi di predazione e applicabile in diversi contesti ambientali. La concezione innovativa di tale strumento, fondata sulla riproduzione randomizzata di numerosi e diversi suoni e rumori archiviati in formato Mp3, sulla tecnologia wireless con sensori remoti aggiuntivi, e sulla possibilità di autoricarica tramite pannello solare, permette di fornire al mondo della zootecnia un nuovo mezzo di difesa che potrebbe contribuire ad una migliore convivenza con i grandi predatori (Fig. 5.1). Le recinzioni elettrificate, invece, costituiscono una delle soluzioni preventive più frequentemente proposte ed utilizzate per la difesa degli animali al pascolo. Infatti, le recinzioni costituiscono uno strumento di prevenzione efficace anche in zone dove altri sistemi (es. cani da guardiania) possono creare situazioni potenzialmente rischiose per turisti, escursionisti, ecc. Tali soluzioni possono avere caratteristiche molto diversificate, in base al tipo di materiale usato, alle necessità di spostamento delle stesse fra aree diverse, alla dimensione delle superfici da 23

24 proteggere, ecc. In base a tali requisiti le opere dovranno quindi essere progettate e realizzate in modo specifico (Fig. 5.3). Fig. 5.1 Dissuasori Acustico Faunistico (DAF) Alarm Guard (da fototrappolaggio.net) 24

25 Fig. 5.2 Applicazione di Dissuasori Acustico Faunistico (DAF)e pannello solare auto-ricaricante (da fototrappolaggio.net) Fig. 5.3 Recinzioni elettrificate 25

26 6. CORSO DI FORMAZIONE PER OPERATORI DEL PROGETTO Nell ambito della IV fase del Progetto si intende effettuare un corso di formazione teorico-pratico per rilevatori della presenza del lupo in Liguria. Il corso sarà rivolto ad un numero limitato di operatori volontari selezionati tra personale di vigilanza della Provincia (Polizia Provinciale), Corpo Forestale dello Stato, Guardie Ecologiche Volontarie (GEV), Veterinari dell ASL, personale dei Parchi, Associazioni di categoria come allevatori (APA, ARA) e cacciatori. Nel corso saranno trattati i seguenti argomenti: 1. BIOLOGIA DELLA SPECIE (MILANESI P.) - Inquadramento tassonomico - Caratteristiche morfologiche - Habitat e Distribuzione - Comportamento sociale e riproduttivo - Comunicazione - Ecologia Alimentare - Importanza per la conservazione 2. MATERIALI E METODI TECNICHE DI MONITORAGGIO (MILANESI P.) RACCOLTA DATI - Raccolta informazioni (attuali e storiche) - Rete transetti standardizzati - Punti di marcatura - Monitoraggio Genetico - Foto - trappole - Verifica e registrazione predazioni - Georeferenziazione dati 3. RISULTATI OTTENUTI (MILANESI P.) - Stima distribuzione - Uso e selezione Habitat 26

27 - Distribuzione Potenziale - Impatto sulla zootecnia - Rischio Potenziale - Analisi di Sopravvivenza Kaplan-Maier 4. VERIFICA E REGISTRAZIONE PREDAZIONI (MINETTI E.) - La figura giuridica dell accertatore - La posizione di alcune regioni e delle provincie autonome di Trento e Bolzano - La gestione del sopralluogo - Lo stress decisionale - L esame dell ambiente - La raccolta degli elementi anatomo-patologici sulla carcassa - Attrezzature e materiali utili e necessari per effettuare il rilievo - Dinamica della predazione - Come effettuare il rilievo, quali elementi raccogliere e con quale tempistica - I predatori ed i commensali - Ricostruzione del teatro della predazione - Ferite intra-vitam e morsi post-mortem - Valutazione intorno alle condizioni cliniche della preda - I predatori presenti sul territorio la loro distribuzione le loro Abitudini - La conduzione zootecnica e la predazione, comportamento delle mandrie e degli armenti sotto stress da predazione. - Esame della carcassa differenti ferite differenti predatori? - Caratteristiche delle predazione effettuata da canidi come evidenziare le differenze tra lupo e cane se possibile. - Le tracce, le impronte, i reperti rilevabili intorno ad una predazione. - Caratteristiche delle principali tipologie di predazione e varie casistiche ESCURSIONE DIDATTICA - Registrazione segni di presenza di lupo e prede lungo transetti - Verifica e registrazione eventi di predazione - Compilazione schede di rilevamento 27

28 RISULTATI 1. DISTRIBUZIONE E CONSISTENZA DEL LUPO IN LIGURIA Da giugno 2010 a maggio 2011 sono state raccolte in totale 346 osservazioni, di cui 176 in provincia di Genova, 66 a Savona, 61 ad Imperia e 43 a La Spezia. L elevato campione di dati raccolto è il risultato del monitoraggio effettuato lungo transetti standardizzati ed il rilevamento periodico eseguito sui punti di marcatura. Il numero dei transetti è risultato invariato rispetto a quello degli anni precedenti, rispettivamente di 16 in provincia di Imperia, 18 in provincia di Savona, 20 in provincia di Genova e 9 in provincia di La Spezia (Tab.1.3). Tab. 1.3 Copertura dei transetti per provincia e per stagione Provincia N Transetti Estate Autunno Inverno Primavera Totale Imperia Savona Genova La Spezia Regione

29 Come per i transetti, anche il numero di punti di marcatura è risultato invariato rispetto a quello degli anni precedenti. La maggior parte dei rilievi è stata effettuata in provincia di Genova (30,31%), mentre la stagione con il maggior numero di perlustrazioni è risultata complessivamente quella invernale (40,72 %) (Tab.1.4). Tab Numero dei punti di marcatura ripetuti, in totale e per provincia Provincia N Punti N Ripetizioni Autunno N Ripetizioni Inverno N Ripetizioni Primavera Totale Imperia Savona Genova La Spezia Regione

30 Inoltre, durante la IV fase del Progetto, sono stati raccolti campioni biologici utili per le indagini genetiche. La provincia dove è stato raccolto il maggior numero di campioni è stata quella di Genova (66,03%), seguita da Savona (15,09%), Imperia (11,32%) e La Spezia (7,54%) (Tab. 1.5). Tab Numero di campioni biologici raccolti, in totale e per provincia Provincia Analizzati Da analizzare Totale Imperia Savona Genova La Spezia Regione I campioni analizzati sono risultati appartenenti a lupi in 8 casi (30,77 %), riconducibili a cani in 2 casi (7,69 %), mentre non è stato possibile rilevare il profilo genetico in 15 casi (57,69 %). Un ultimo campione, per ulteriori approfondimenti, è attualmente in fase di attribuzione. Gli 8 profili genetici di lupo sono risultati appartenenti a 7 individui diversi. 30

31 Le analisi effettuate col metodo Kernel sui segni di presenza di lupo hanno individuato un areale complessivo di 5102,19 km 2 con una zona di maggior frequentazione di 1635,47 km 2. L areale è risultato suddiviso in due sub-areali di cui il più grande comprendente gran parte della provincia di Genova, parte di quella di La Spezia e di Savona, il secondo per dimensioni, comprendente parte della provincia di Imperia e parte di quella di Savona. Le aree di maggior frequentazione sono risultate sei, distribuite in tutte le province (Fig. 1.2). Fig Areale del lupo in Liguria e zone di maggior frequentazione 31

32 2. AGGIORNAMENTO E DISTRIBUZIONE DEGLI ALLEVAMENTI IN LIGURIA Il censimento degli allevamenti di bovini e ovi-caprini in Liguria ha messo in evidenza come il numero di allevamenti di ovi-caprini sia stato prevalente su quello di bovini (n=1540 e n=1121, rispettivamente). Differenze nella consistenza del bestiame sono risultate tra le quattro province della regione. In particolare, per quanto riguarda i bovini, le province col maggior numero di allevamenti sono risultate Genova e Savona, mentre per gli ovi-caprini gli allevamenti sono risultati concentrati ancora a Genova e a La Spezia. Imperia è stata la provincia col minor numero di allevamenti sia di bovini sia di ovi-caprini (Fig. 2.1). Fig Numero di allevamenti di bestiame nelle province liguri bovini ovicaprini 400 n allevamenti IMPERIA SAVONA GENOVA LA SPEZIA 32

33 Sia per gli allevamenti di bovini, sia per quelli di ovi-caprini, è stata osservata una marcata concentrazione in pochi comuni della regione, situati, in particolare, nella porzione centrooccidentale del territorio regionale (Figg. 2.2 e 2.3). Fig Distribuzione per comune degli allevamenti di bovini in Liguria Fig Distribuzione per comune degli allevamenti ovi-caprini in Liguria 33

34 Per gli allevamenti di bovini è stata registrata una dimensione media di 15,06 capi (min.= 2, max.=700) con variazioni significative tra le province (F=22,187; gl=3; P<0,0001). La dimensione degli allevamenti di ovi-caprini è stata di 15,44 capi (min=2, max=1169) con variazioni significative tra le province (F=25,402; gl=3; P<0,0001). Complessivamente sono risultate differenze significative tra province (F=38,946; P<0,0001) ma non tra specie allevate (F=0,839; P=0,432); anche l interazione tra i due fattori non è risultata statisticamente significativa (F=1,789; P=0,147). Il test di Bonferroni per confronti multipli ha evidenziato differenze tra le dimensioni medie dei pascoli sia bovini che ovi-caprini tra Imperia e le altre province (P<0.0001). La provincia con gli allevamenti di maggiori dimensioni sia di bovini, sia di ovi-caprini è risultata Imperia, seguita da Savona per gli ovi-caprini (Fig. 2.4). Fig Variazioni della dimensione degli allevamenti di bestiame nelle province liguri 34

35 L orientamento produttivo prevalente degli allevamenti di bovini è stato quello da carne a Savona (73%) ed Imperia (15%), mentre a Genova è stata registrata una maggiore diversificazione degli orientamenti produttivi ovvero per riproduzione (93%), ingrasso (95%) e latte (89%). In tutte le province, gli allevamenti che adottano la linea vacca-vitello sono stati un esigua minoranza ad eccezione della provincia di Genova (85%) e totalmente assenti a La Spezia (Fig. 2.5). Fig Orientamento produttivo degli allevamenti di bovini nelle province liguri 35

36 L orientamento produttivo principale degli allevamenti di ovi-caprini è stato quello misto, mentre gli altri tipi (carne, lana, latte) sono risultati scarsamente rappresentati e approssimativamente equivalenti per le 4 province tranne a La Spezia dove il 60% degli allevamenti sono per autoconsumo (Fig. 2.6). Fig Orientamento produttivo degli allevamenti di ovi-caprini nelle province liguri 36

37 Per quanto riguarda le modalità di conduzione, la maggior parte degli allevamenti di ovi-caprini a La Spezia e Imperia sono risultati del tipo all aperto, mentre a Genova e Savona gli allevatori hanno adottato prevalentemente la stabulazione (Fig. 2.7). Fig Modalità di conduzione degli allevamenti di ovi-caprini nelle province liguri 37

38 In tutto il territorio regionale sono state individuate in totale 147 aree di pascolo, di cui 51 utilizzate da bovini, 80 da ovi-caprini, 14 da entrambe le specie e di 16 non abbiamo informazioni. Le province col maggior numero di aree di pascolo sono risultate Genova e Spezia, mentre a Savona e Imperia sono stati censiti rispettivamente solo 2 e 13 pascoli (Figg. 2.8). Fig Distribuzione dei pascoli utilizzati in Liguria 38

39 L Analisi Multifattoriale della Varianza (metodo GLM) ha rilevato differenze significative nella dimensione media dei pascoli tra province (F=5,099; gl=3; P=0,002); in particolare il test di Bonferroni per confronti multipli ha mostrato come la dimensione media dei pascoli in provincia di Genova sia significativamente differente da Imperia (P=0,005) e La Spezia (P=0,009); anche considerando le specie allevate le dimensioni dei pascoli risultano significativamente differenti (F=3,927; gl=2; P=0,022) ed il test di Bonferroni dimostra come ci siano differenze importanti tra le medie dei pascoli ovi-caprini e bovini (P=0,019); invece l effetto dell interazione tra i due fattori è risultato al limite della significatività (F=2,386; gl=4; P=0,055) (Fig. 2.9). Fig Variazioni della superficie media (ha) dei pascoli in relazione alla provincia ed alla specie allevata 39

40 3. IMPATTO DEL LUPO SULLA ZOOTECNIA Per quanto riguarda l impatto predatorio sugli ungulati domestici, ai 178 eventi di predazione nell intero territorio regionale, verificatisi dal 2002 al 2009, attribuiti al lupo e ufficialmente denunciati, sono stati aggiunti 41 nuovi eventi avvenuti nel corso del Le predazioni sono avvenute in 3 zone di cui la prima è identificabile con il territorio circostante il monte Antola e l omonimo parco regionale, la seconda con la Val d Aveto e la terza con le Alpi Liguri, in provincia di Imperia. Nelle tre zone l andamento delle predazioni è stato significativamente differente (X 2 =105,070; gl=16; P<0,0001). In particolare, nella zona dell Antola, è stato osservato un progressivo aumento degli eventi di predazione dal 2004 al 2007 ed un calo dal 2008 al 2009 ed un aumento nel 2010; nella provincia di Imperia, si è assistito ad un aumento dal 2008 al 2009 con un calo nel 2010, mentre nella zona dell Aveto non è risultata una tendenza definita ma piuttosto marcate oscillazioni da un anno all altro anche se dal 2008 vi è stato un progressivo aumento (Fig.3.1). Fig Andamento degli eventi di predazione n Eventi Antola n Eventi Aveto n Eventi Imperia

41 Analogamente agli eventi di predazione, sono stati aggiunti 93 capi abbattuti nel 2010 ai 425 capi predati dal 2002 al 2009, attribuiti al lupo nell intero territorio regionale e ufficialmente denunciati. Nelle tre zone l andamento dei capi predati è stato significativamente differente (X 2 =240,433; gl=18; P<0,0001). In particolare, nella zona dell Antola è stato osservato un progressivo aumento dei capi predati dal 2004 al 2007 ed un calo dal 2008 per poi aumentare di nuovo nel 2010; nella provincia di Imperia si è assistito invece ad un aumento dei capi predati dal 2007 al 2010, mentre nella zona dell Aveto non è risultata una tendenza definita ma marcate oscillazioni da un anno all altro (Fig. 3.2). Fig Andamento dei capi di bestiame predati n Capi Antola n Capi Aveto n Capi Imperia

42 Le predazioni sono state soprattutto a carico di vitelli nella zona dell Antola mentre nella zona dell Aveto e nella provincia di Imperia a carico di pecore e capre, con differenze significative negli eventi di predazione (X 2 =105,038; gl=8; P<0,0001) e nel numero di capi predati (X 2 =240,433; gl=18; P<0,001) (Fig. 3.3). Fig Numero di eventi di predazione e capi predati per le diverse specie di bestiame (anni cumulati) Considerando l andamento mensile delle predazioni, è emerso che tutti i mesi dell anno sono stati interessati da eventi nella zona dell Aveto e dell Antola, mentre in quella di Imperia le predazioni sono iniziate da aprile; inoltre l andamento è risultato bimodale in entrambe le zone genovesi con un primo periodo di aumento delle predazioni, fino al raggiungimento del primo picco, a luglio, in entrambe le zone e di un secondo picco, a settembre, nell Aveto e ad ottobre nell Antola, mentre nella zona di Imperia si ha un incremento degli eventi da aprile fino al picco in settembre. Per quanto riguarda il numero di capi predati, invece nelle zone di Imperia e dell Aveto è stato 42

43 registrato un solo massimo molto marcato, ricadente a settembre mentre all Antola un primo picco si raggiunge tra giugno e luglio ed un secondo tra ottobre e novembre (Fig. 3.4). Fig Andamento mensile del numero di eventi di predazione e di capi predati (anni cumulati) 43

44 Esaminando l andamento mensile degli eventi e dei capi predati per specie, è risultato evidente come le predazioni sui vitelli siano avvenute in anticipo nella stagione di pascolo rispetto a quelle sulle pecore, mentre per le capre si può notare come ci siano eventi e capi predati tutto l anno, con un picco a settembre (Fig. 3.5). Fig Andamento mensile del numero di eventi e di capi predati per le diverse specie di bestiame (anni e zone cumulati) 44

45 L Analisi Multifattoriale della Varianza ha messo in evidenza alcune differenze significative tra gli anni (F=2,308 ; g.l.=8 ; P<0,002), le specie predate (F=4,366 ; g.l.=2 ; P=0,014) e l interazione tra le zone e gli anni (F=4,506 ; g.l.=10 ; P<0,0001), mentre l interazione tra le zone e le specie predate è risultata al margine della significatività (F=2,630; g.l.=3; P=0,051) (Tab. 3.1). Tab Differenze significative delle predazioni tra anni, zone e specie predate Fattori Confronti P Zone Antola Aveto 0,009 Zone Antola - Imperia 0,002 Specie Vacca Pecora < 0,0001 Specie Vacca Capra < 0,0001 Considerando gli anni cumulati, sono emerse differenze significative solo tra specie (F=2,362; g.l.=2; P<0,0001) (Tab. 3.2). Tab Differenze significative delle predazioni tra zone e specie predate Fattori Confronti P Specie Vacca Pecora < 0,0001 Specie Vacca Capra < 0,0001 Zone Imperia - Antola 0,004 Zone Antola Aveto 0,018 45

46 L analisi di regressione con stima di curve, ha mostrato un andamento lineare diretto degli eventi di predazione complessivi negli anni (F = 62,919 ; g.l. = 1 ; P<0,0001 ; R 2 = 0,886; y = 4,88 x 0,08) (Fig. 3.6). Fig Andamento degli eventi di predazione totali 46

47 Considerando il numero di capi predati complessivamente si osserva un andamento logaritmico, che mostra un fenomeno in lieve aumento (F=19,425; g.l.=2 ; P=0,003 ; R 2 =0,697 ; y=35,13 log(x)+ 7,57) (Fig. 3. 7). Fig Andamento dei capi predati totali 47

48 In particolare nel territorio circostante il monte Antola e l omonimo parco regionale, si è osservato un andamento degli eventi di predazione di tipo cubico, con una marcata tendenza alla diminuzione (F = 28,743 ; g.l. = 3 ; P = 0,001 ; R 2 = 0,912 ; y = - 0,23 x 3 + 3,63 x 2 9,89 x + 6,58) (Fig. 3.8). Fig Andamento degli eventi di predazione nella zona del monte Antola 48

49 Tuttavia considerando il numero di capi predati si osserva un andamento lineare diretto (F =11,857; g.l.=1; P=0,01; R 2 =0,576; y=6,19 x 8,99) (Fig. 3.9). Fig Andamento dei capi predati nella zona del monte Antola 49

50 Per quanto riguarda il territorio della Val d Aveto non è stato possibile stimare un andamento significativo né per gli eventi di predazione (F = 0,46 ; g.l. = 1 ; P = 0,52) né per i capi predati (F = 0,42 ; g.l. = 1 ; P = 0,670). Nella provincia di Imperia si è osservato un andamento degli eventi di predazione di tipo lineare, con una marcata tendenza all aumento (F = 7,27 ; g.l. = 1 ; P = 0,03 ; R 2 = 0,439 ; y = 1,06 x - 2,66) (Fig. 3.10). Fig Andamento degli eventi di predazione nella provincia di Imperia 50

51 Per quanto riguarda il numero di capi predati si registra una tendenza analoga a quella degli eventi di predazione (F = 30,109 ; g.l. = 3 ; P = 0,001 ; R 2 = 0,916 ; y = 0,13 x 3 1,15 x 2 + 3,59 x 2,69) (Fig. 3.11). Fig Andamento dei capi predati nella provincia di Imperia 51

52 Considerando i rimborsi erogati dalle province liguri per danni al bestiame da predazione, è risultato come solamente in provincia di Genova i danni siano stati rimborsati con continuità dal 2002 al 2008, mentre a Imperia le predazioni sono state compensate solo nel 2004, e dal 2008 al 2010 e nelle altre province non risultano né denunce ufficiali di danni, né rimborsi per tutto il periodo considerato. L analisi di regressione con stima di curve, ha mostrato un andamento di tipo cubico, con una marcata tendenza alla diminuzione dei rimborsi complessivi erogati negli anni (F = 11,19 ; g.l. = 3; P = 0,001 ; R 2 = 0,793 ; y = - 203,19 x ,45 x ,18 x ,25) (Fig. 3.12). Fig Andamento dei rimborsi erogati complessivi 52

53 Si noti infine come il modello predittivo formulato considerando i rimborsi erogati dal 2002 al 2009 ha stimato correttamente (15250 ± 3787,04) quelli erogati nell anno 2010 (15248 ) (Fig. 3.13). Fig Andamento dei rimborsi erogati complessivi fino al

54 CONCLUSIONI Il presente stato di avanzamento ha mostrato sinteticamente i risultati preliminari della IV fase del Progetto. Risultati e conclusioni, comprendenti quelle relative ai punti 4 5 6, verranno presentati in dettaglio nella relazione finale dell attuale fase. 54