DISTRIBUZIONE E STATO DEL LUPO (CANIS LUPUS) IN LIGURIA

Transcript

1 Regione Liguria Parco Naturale Regionale dell Antola Dipartimento di Biologia Animale Università di Pavia DISTRIBUZIONE E STATO DEL LUPO (CANIS LUPUS) IN LIGURIA Fotografia di Luca Nelli (2007) DICEMBRE 2008

2 A CURA DI ALBERTO MERIGGI E PIETRO MILANESI DIPARTIMENTO DI BIOLOGIA ANIMALE UNIVERSITÀ DI PAVIA CON LA COLLABORAZIONE DI LAURA SCHENONE DÉSIRÉE SIGNORELLI PATRIZIA GAVAGNIN UBALDO RICCI ENTE PARCO DELL ANTOLA 1

3 INDICE DISTRIBUZIONE E STATO DEL LUPO (CANIS LUPUS) IN LIGURIA 1) PREMESSA Pag. 3 2) AREA DI STUDIO Pag. 5 3) METODI Pag ) Raccolta dei dati Pag ) Elaborazioni e analisi statistiche Pag. 9 4) RISULTATI Pag ) Distribuzione delle osservazioni Pag ) Abbondanza del lupo in Liguria Pag ) Uso dello spazio e dell habitat Pag ) Fattori influenzanti la presenza del lupo in Liguria Pag ) Monitoraggio genetico del lupo Pag. 43 5) DISCUSSIONE E CONCLUSIONI Pag. 45 6) OPERE CITATE Pag. 51 STATO D AVANZAMENTO DELLA SECONDA FASE DEL PROGETTO IL LUPO IN LIGURIA Pag. 54 2

4 DISTRIBUZIONE E STATO DEL LUPO (CANIS LUPUS) IN LIGURIA 1) Premessa La ricolonizzazione dell Appennino ligure da parte del lupo è avvenuta dalla metà degli anni 80 ed è iniziata dalle province di Genova e La Spezia; rapidamente, però, la specie è ricomparsa nella porzione occidentale del territorio ligure, con avvistamenti e segnalazioni di vario tipo nel Savonese (Monte Beigua) e nell Imperiese, al confine con la Francia. Già alla fine degli anni 80 il lupo poteva essere ritenuto presente in tutte le aree idonee altoappenniniche della Liguria, con una distribuzione alquanto discontinua e, per certi aspetti, difficile da spiegare. La discontinuità dell occupazione del territorio ligure poteva, in realtà, essere solo apparente e dovuta alla mancanza di un sistematico monitoraggio e di una costante raccolta di informazioni, oppure dovuta a fattori ecologici locali che rendevano alcune aree non idonee ad una presenza stabile della specie. Infatti, ricerche scientifiche sistematiche sulla distribuzione ed ecologia del predatore sono state condotte a partire dal 1987 solamente in provincia di Genova e, successivamente, in provincia di La Spezia, mentre a Imperia e Savona vi è stata solamente una raccolta estemporanea di notizie e segnalazioni da parte di appassionati e naturalisti dilettanti (Meriggi et al. 1991, 1995, 1996 a e b, Schenone et al. 2004, Schenone e Meriggi 2007). D altra parte, con uno studio effettuato su diverse aree di presenza del lupo nell Appennino settentrionale, era stato messo in evidenza come la presenza stabile della specie dipendesse in gran parte dalla disponibilità di zone sicure per la riproduzione e dall abbondanza di ungulati selvatici e domestici, come principali specie preda (Massolo e Meriggi 1998). La ricomparsa del lupo in Liguria come in altre zone di ricolonizzazione spontanea, ha innescato un aspro conflitto con le popolazioni umane residenti, dalle quali la presenza dei predatori è vista come un elemento negativo che rende ancor più difficile mantenere le residue attività economiche agro-pastorali, esistenti su un territorio scarsamente produttivo e difficile da sfruttare. I conflitti tra lupo e uomo nascono sia che il predatore utilizzi prede domestiche (bestiame), sia che si alimenti di prede selvatiche (ungulati selvatici). Nel primo caso il lupo causa un danno economico diretto o indiretto alla zootecnia che spesso nelle aree montane costituisce la principale attività economica per la popolazione residente; nel secondo il conflitto si instaura per la presunta competizione con l attività venatoria, per la quale in Italia le diverse specie di ungulati selvatici stanno diventando sempre più importanti. 3

5 Nonostante la ricolonizzazione spontanea del territorio ligure, il lupo è da considerarsi ancora soggetto a grave minaccia a causa dei conflitti con le attività umane che il comportamento predatorio della specie innesca e che portano ad una persecuzione illegale, la quale, a sua volta, rende instabile la colonizzazione, in particolare nelle aree fortemente interessate dalla zootecnia (Genovesi 2002). Dal punto di vista della conservazione della specie, l Appennino ligure è da considerarsi una zona chiave per l espansione dell areale italiano; infatti proprio da qui il lupo ha iniziato ad espandersi sulle Alpi occidentali e, successivamente, in quelle centrali. L aspettativa è il ricongiungimento della popolazione italiana con quella dei Balcani; questo evento porrebbe fine al lungo isolamento cui è stato sottoposto il lupo in Italia con possibili danni al patrimonio genetico della popolazione. L Appennino ligure rappresenta, quindi, un corridoio ecologico importante per la specie; per questo, è fondamentale conoscere nel dettaglio le modalità di occupazione del territorio da parte del lupo, nonché individuare i nuclei riproduttivi stabili e i fattori che determinano la presenza della specie e la predazione sul bestiame. Con questi scopi la Regione Liguria ha avviato nel 2007, con D.G.R. n del 24/11/2006, la prima fase del progetto Il Lupo in Liguria (Azioni per la conoscenza e la tutela della specie, per la prevenzione dei danni al bestiame e per l attuazione di un regime di coesistenza tra il lupo e le attività economiche). Si tratta del primo progetto organico a livello regionale riguardante una specie importante per la conservazione come il lupo e del primo tentativo di acquisire conoscenze dettagliate sulla specie e sul suo impatto sulla zootecnia, per poter definire una strategia gestionale che mitighi e risolva i conflitti. Il progetto, coordinato dal Parco Naturale Regionale dell Antola, ha coinvolto diversi soggetti: in primo luogo le province e i parchi regionali presenti sul territorio, ma anche le associazioni di categoria (associazioni allevatori, venatorie, protezionistiche, ecc.) che possono assumere un ruolo molto importante nella raccolta dei dati, nella definizione delle problematiche e nella predisposizione di strategie gestionali finalizzate alla risoluzione dei conflitti. La prima fase del progetto è partita nel gennaio del 2007 ed è terminata ad aprile del 2008; da settembre 2008 è iniziata la seconda fase, per la quale sono stati ridefiniti nel dettaglio gli obiettivi ed è stato modificato il protocollo di monitoraggio, per ottenere una copertura più completa ed omogenea del territorio regionale. In questa relazione sono contenuti i risultati della prima fase del progetto e quelli relativi alla stagione autunnale del

6 2) Area di studio L area all interno della quale è stato effettuato lo studio coincide con il territorio della regione Liguria. La regione si estende per 5343 km 2 tra il mare e il crinale appenninico, confinando a Ovest con la Francia, a Nord con il Piemonte e l Emilia-Romagna e a Est con la Toscana. Il territorio si presenta molto vario e diversificato a causa del marcato dislivello esistente tra la linea costiera e il confine regionale interno; infatti le quote variano da 0 a 2100 m s.l.m. La maggior parte della regione (36%) è compresa entro i 400 m di quota e tra i 400 e gli 800 m (35%). Le fasce altimetriche più elevate sono progressivamente meno rappresentate: tra gli 800 e i 1200 m s.l.m. si trova il 21% del territorio e solo l 8,5% è a quote superiori. Le esposizioni prevalenti sono Sud-Est, Sud e Sud-Ovest che sommate arrivano al 45,2% della regione, mentre le esposizioni Nord-Ovest, Nord e Nord-Est raggiungono appena il 18,8%; a Est è esposto il 13,1% del territorio regionale e a Ovest l 11,4% (Figg. 1 e 2). Ai diversi livelli altitudinali corrispondono fasce climatiche differenti: il clima è tipicamente mediterraneo nella zona costiera e nell immediato entroterra, sub-mediterraneo, a quote intermedie, e di tipo sub-oceanico nella parte montana. In generale le precipitazioni sono concentrate in primavera e in autunno e aumentano con la quota, risultando più distribuite nell arco dell anno, ma sempre con un minimo estivo. In estate e nelle ore più calde si ha la formazione di nubi orografiche, che in genere non danno fenomeni, e in autunno e inverno è frequente la formazione di galaverna. Le nevicate sono meno abbondanti che in passato ma in alcuni anni si possono avere precipitazioni nevose di oltre 1 metro per singolo evento (Bernardello e Martini 1999). Dal punto di vista dell uso del suolo la regione si caratterizza per l elevata copertura forestale che arriva oltre il 70% della superficie totale, con scarse variazioni nelle quattro province, e per la ridotta presenza di aree urbanizzate, molto concentrate, però, sulla costa e nelle principali vallate dove esistono importanti vie di comunicazione (Tab. 1, Fig. 3). Le zone coltivate sono limitate e collocate nelle aree più accessibili e generalmente nell immediato entroterra a bassa quota. Tra queste, di notevole importanza sono gli oliveti, che in provincia di Imperia arrivano quasi al 13% della superficie totale, e le coltivazioni floro-vivaistiche, anch esse particolarmente sviluppate a Imperia. 5

7 Fig. 1 - Altimetria del territorio della regione Liguria Fig. 2 - Esposizioni prevalenti del territorio della regione Liguria 6

8 La popolazione umana dall ultimo dopoguerra si è concentrata nei centri abitati più grandi e sulla costa oppure è emigrata; questo ha causato l abbandono e lo spopolamento di molti comuni montani, con conseguente abbandono delle attività agricole tradizionali. Molti coltivi stanno andando incontro a una rinaturalizzazione spontanea e molte aree un tempo adibite a pascolo sono sempre meno sfruttate dalla zootecnia. Tutto ciò ha portato ad una maggiore naturalità degli ambienti alto-collinari e montani e a condizioni più favorevoli alla presenza degli ungulati selvatici, tra cui, in particolare il cinghiale e il capriolo (Schenone e Meriggi 2007). Tab. 1 - Percentuali delle classi d uso del suolo nelle quattro province e nel territorio regionale (CORINE Land Cover III livello) Uso suolo Genova Imperia La Spezia Savona Regione Aree urbanizzate 4,6 2,4 3,8 4,1 3,9 Coltivi 2,1 6,7 6,9 7,5 5,4 Coltivi con spazi naturali 7,1 6,1 8,5 3,3 6,0 Oliveti 3,5 12,7 5,2 2,9 5,6 Vigneti 0,0 0,0 0,7 0,0 0,1 Boschi di latifoglie 55,0 17,9 23,3 57,0 42,5 Boschi di conifere 1,7 3,3 2,4 1,6 2,1 Boschi misti 10,3 23,4 41,8 10,9 18,4 Vegetazione in evoluzione 5,8 13,7 3,8 6,9 7,5 Brughiere e cespuglieti 0,3 0,5 0,0 0,0 0,2 Vegetazione a sclerofille 0,6 2,5 0,9 1,7 1,4 Vegetazione rada 0,5 1,0 0,0 0,2 0,4 Prato-pascoli 8,2 9,5 2,2 3,7 6,2 Rocce nude 0,0 0,0 0,1 0,0 0,0 Aree percorse da incendi 0,0 0,0 0,0 0,0 0,0 Bacini idrici 0,1 0,0 0,0 0,0 0,0 Corsi d'acqua 0,0 0,0 0,3 0,0 0,0 Spiagge e dune 0,0 0,2 0,2 0,1 0,1 Zone umide 0,0 0,0 0,0 0,0 0,0 7

9 Fig. 3 - Uso del suolo della regione Liguria (Corine Land Cover III livello) 8

10 3) Metodi 3.1) Raccolta dei dati Da gennaio 2007 ad aprile 2008 sono stati ricercati i segni di presenza del lupo su percorsi (transetti) tracciati su sentieri e perlustrati con frequenza variabile, ma con un minimo di una volta per stagione. L attività di monitoraggio è stata di tipo intensivo laddove era stata individuata la presenza di branchi di lupo o la presenza continua di individui solitari (area di presenza stabile) e di tipo estensivo, nelle aree non ancora indagate o dove si riteneva che la specie non fosse presente in modo stabile. Sui transetti sono stati ricercati e registrati tutti i tipi di segni di presenza, vale a dire escrementi, impronte,marcature con urina, predazioni su animali selvatici e sul bestiame. Inoltre, sono state raccolte e registrate tutte le segnalazioni di terzi riguardanti avvistamenti, ululati, predazioni sul bestiame e i lupi abbattuti illegalmente, provenienti da tutta la regione. Una piccola porzione degli escrementi freschi è stata conservata in alcool etilico a 90 e inviata all Istituto Nazionale della Fauna Selvatica per le analisi genetiche. 3.2) Elaborazioni e analisi statistiche 3.2.1) Distribuzione delle osservazioni Le osservazioni di segni di presenza, registrate sui transetti, e le segnalazioni pervenute, verificate per la loro attendibilità, sono state ripartite per tipo di osservazione e per provincia, comune, anno di studio, stagione e mese. Inoltre sono state verificate le differenze nella frequenza dei diversi tipi di osservazione tra province e stagioni mediante il test del chi-quadrato per tabelle di contingenza. Dal numero d osservazioni e dalla superficie d ogni comune è stata calcolata la densità di osservazioni totali e quella relativa ai diversi tipi ) Abbondanza del lupo Dal numero dei segni di presenza rinvenuti per ogni transetto è stato calcolato l Indice Chilometrico d Abbondanza (IKA) come rapporto tra il numero di segni e la lunghezza del transetto. Successivamente, sono stati calcolati i valori medi dell IKA e i relativi Errori Standard (ES) per tutta la regione, per ogni transetto, per provincia e per stagione. Le differenze tra i valori medi sono state analizzate mediante Analisi della Varianza Multifattoriale e i Modelli Lineari Generalizzati (GLM). Inoltre, è stato valutato l andamento mensile dell IKA del lupo per tutta la regione e per ogni provincia ) Uso dello spazio e dell habitat 9

11 Tutte le osservazioni sono state mappate mediante il programma ARCVIEW 3.2 e sulla densità e distribuzione delle osservazioni è stata effettuata la Kernel Analysis (KA), mediante il programma RANGES 6 V.1 (Kenward et al. 2003) al fine di individuare gli areali annuali e stagionali (Gilio et al. 2004). Questa analisi permette di definire delle fasce concentriche, con densità d osservazioni decrescente dal centro all esterno; è stato considerato il contorno più esterno racchiudente il 99% delle osservazioni (KA99), rappresentante l areale complessivo del lupo. I contorni derivanti dalla KA sono poi stati sovrapposti al Digital Terrain Model (DTM) della regione e alla carta digitalizzata dell uso del suolo CORINE Land Cover III livello e, mediante il programma ARCVIEW 3.2, sono state calcolate all interno degli areali le percentuali delle fasce altitudinali, delle principali esposizioni e dei tipi di vegetazione. Le percentuali delle stesse variabili sono state calcolate anche per tutto il territorio regionale ed è stato effettuato un confronto tra uso (% negli areali) e disponibilità (% nella regione) tramite l indice di preferenza di Jacobs (Jacobs 1974): I=(PU-PD)/(PU+PD) Dove PU è la proporzione d uso e PD quella di disponibilità per ogni fascia altitudinale, esposizione o tipo di vegetazione. L indice varia da -1 a +1; valori negativi indicano un sottoutilizzo, valori positivi un sovrautilizzo e 0 un uso pari alla disponibilità. Dalla mappatura e digitalizzazione dei segni di presenza sui transetti è stata ricavata anche la distribuzione delle osservazioni per fasce altimetriche, esposizioni e tipi di vegetazione; sono state quindi calcolate le Frequenze Osservate (FO) come numero di osservazioni in ogni fascia altimetrica, esposizione e tipo di vegetazione e le Frequenze Attese (FA) dal prodotto della proporzione di disponibilità (PD) con il numero totale di osservazioni. La PD è stata calcolata come rapporto tra la lunghezza dei transetti in ogni fascia altimetrica, esposizione e tipo di vegetazione e la lunghezza totale dei transetti. Per verificare se la distribuzione osservata delle osservazioni si scostasse significativamente da una distribuzione casuale (ipotesi H 0 di uso proporzionale alla disponibilità) è stato utilizzato il test del Chi-quadrato (rapporto di verosimiglianza) per l adattamento di una distribuzione osservata ad un attesa. Quando il Chi-quadrato raggiungeva valori significativi (P<0,05) veniva rigettata l ipotesi H 0 ed era effettuata un ulteriore analisi per individuare esattamente per quali fasce altimetriche, esposizioni o tipi di vegetazione l uso 10

12 fosse significativamente differente dalla disponibilità. A questo scopo è stato calcolato l indice w di selezione e i relativi intervalli fiduciali (Krebs 1999): w=pu/pd Questo indice assume valori minori di 1 in caso di sottoutilizzo, valori maggiori di 1 in caso di sovrautilizzo ed è uguale a 1 in caso di uso pari alla disponibilità; se il valore 1 cade all esterno dell intervallo fiduciale dell indice la differenza è considerata significativa. Un ulteriore analisi è stata effettuata per ordinare le fasce altitudinali, le esposizioni e i tipi di vegetazione secondo la preferenza da parte del lupo; a questo scopo è stato calcolato l indice alfa di Manly (Krebs 1999, Manly et al. 2003). α i =PU i /PD i *1/ΣPU i /PD i 3.2.4) Fattori influenzanti la distribuzione del lupo Per individuare i fattori ambientali che influenzano la distribuzione del lupo in Liguria, è stato formulato un modello di valutazione ambientale (MVA, Massolo e Meriggi 1995, 2007), utilizzando le variabili dell uso del suolo, dell altimetria e dell esposizione. A questo scopo è stata costruita una griglia con celle di 5 km di lato (Unità di Campionamento, UC) ed è stata sovrapposta al CORINE III Livello e al DTM (Massolo e Meriggi 1998). In ogni UC sono state misurate 15 variabili dell uso del suolo, 8 variabili altimetriche, corrispondenti ad altrettante fasce altitudinali di 200 m ognuna, e 9 variabili d esposizione corrispondenti alle 8 esposizioni principali, oltre all esposizione nulla. Considerato che alcune UC periferiche non risultavano completamente incluse nei confini regionali, tutte le variabili sono state espresse in percentuale. Alle UC è stato poi attribuito un codice binario 0, 1 dove con 1 erano indicate le UC all interno delle quali erano stati trovati segni di presenza del lupo o erano pervenute segnalazioni e con 0 tutte le altre. Sono state così individuate 53 UC di presenza che sono state confrontate con altrettante UC di controllo, scelte in modo casuale tra quelle dove non era mai stata accertata la presenza del lupo. Il confronto è stato fatto con metodi statistici univariati (one-way ANOVA) e multivariati (Analisi di Funzione Discriminante, AFD) ed è stato formulato un modello predittivo della probabilità che una UC possa essere classificata di presenza, utilizzando l Analisi di Regressione Logistica binaria (ARL). In questo modo è stato possibile determinare per quali caratteristiche le porzioni di territorio occupate dal lupo si differenziano dalle 11

13 caratteristiche medie della regione e ovviare all incertezza del dato di assenza. Infatti, solo una parte delle UC è stata esplorata con i transetti e, di conseguenza, per la restante parte non è stato possibile definire se il lupo fosse presente o assente. Di seguito vengono forniti i principali dettagli delle analisi multivariate effettuate. Analisi di Funzione Discriminante (AFD). Questo tipo d analisi permette di prevedere il valore di una variabile dipendente categorica, date n variabili indipendenti. In particolare la funzione discriminante FD(x) è una combinazione delle variabili indipendenti ed è rappresentata dall'equazione: FD = B 0 + B 1 X B i X i dove FD è la funzione discriminante, B sono i coefficienti standardizzati delle variabili indipendenti e X i loro valori. L'apporto di ogni variabile alla funzione discriminante FD è espresso dal valore assoluto del suo coefficiente standardizzato B, 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. Le variabili indipendenti che entrano a far parte della funzione discriminante possono essere selezionate mediante due differenti procedure: la procedura "forward stepwise", che comporta, dato un insieme di n variabili indipendenti, l'aggiunta successiva e sequenziale al modello di ciascuna variabile, che viene mantenuta o scartata a seconda che soddisfi o meno i requisiti minimi stabiliti dall'utente e la procedura "a blocchi", in cui le variabili indipendenti che entrano a far parte del modello vengono selezionate dall'utente. Nel nostro caso la variabile dipendente è rappresentata dalla presenza/assenza del lupo, mentre le variabili indipendenti sono le percentuali dei tipi di vegetazione, delle fasce altitudinali e delle esposizioni. Le variabili ambientali entrate a far parte del modello sono state selezionate mediante la procedura "forward stepwise". Tramite l'analisi di Funzione Discriminante è stato quindi possibile individuare le variabili ambientali più efficaci nel separare le UC di presenza del lupo da quelle scelte casualmente. Ogni UC è, infatti, caratterizzata da un valore assunto dalla funzione discriminante FD(x) che stabilisce l'appartenza di questa ad uno dei due gruppi tramite la minimizzazione del Lambda di Wilks (rapporto tra la matrice di devianza-codevianza all'interno dei gruppi e la devianza totale) che permette di stimare i coefficienti standardizzati delle variabili ambientali. La bontà della classificazione è stata valutata tramite quattro indicatori: 12

14 l'autovalore: misura la varianza totale della variabile dipendente espressa nelle variabili selezionate dando un'indicazione dell'importanza relativa della funzione discriminante FD la correlazione canonica: misura il grado di associazione tra la funzione discriminante FD e la variabile dipendente dando un'indicazione dell'adattamento del modello ai dati reali chi-quadrato χ 2 : è una trasformazione del Lambda di Wilks che permette una facile verifica della significatività statistica (P ) la percentuale di casi classificati correttamente: corrisponde alla percentuale di casi osservati inizialmente in un gruppo che viene riclassificato dalla funzione nel medesimo gruppo Una funzione discriminate è tanto migliore quanto più massimizza l'autovalore, la correlazione canonica e la percentuale di casi classificati correttamente e quanto più minimizza il Lambda di Wilks. Il modello discriminante ottenuto è stato verificato col metodo della cross validation; con questo metodo vengono esclusi dall analisi tutti i casi ad uno ad uno e questi vengono classificati in base alla FD ottenuta con i rimanenti. Occorre precisare come dall'analisi di Funzione Discriminante si ottenga un numero di funzioni discriminanti FD pari al numero di gruppi della variabile dipendente meno 1. Nel nostro caso, utilizzando una variabile dipendente binaria, abbiamo quindi ottenuto una sola funzione discriminante. Questo tipo d analisi è stato utilizzato per individuare le caratteristiche che meglio delle altre separano le aree occupate dal lupo dal resto della regione. Analisi di Regressione Logistica (ARL). Grazie a questa analisi è possibile ottenere un modello (modello logistico) che fornisce una stima della probabilità che un evento accada. L equazione del modello logistico è: Y = (probabilità dell evento) = (e - z ) /(1+e - z ) dove z = B 0 +B 1 X 1 + +B i X i è l equazione caratteristica della regressione multipla lineare, B n rappresenta i coefficienti standardizzati delle variabili indipendenti e X n i loro valori. La variabile dipendente Y è dicotomica, con valore 0 se l evento non accade e 1 se l evento accade. La probabilità dell evento è calcolata in base ai valori assunti dalle variabili indipendenti. Un vantaggio non indifferente di questa analisi è di poter utilizzare come variabili indipendenti anche le variabili a distribuzione non normale, o addirittura 13

15 qualitative, casistica in cui spesso ricadono i dati relativi alle caratteristiche ambientali. Questo modello ha anche il vantaggio di includere un numero di variabili molto ridotto 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. Per selezionare le variabili ambientali 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 2LL (- 2 Log Likelihood) 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 è compreso tra 0 e 1. La stima del contributo di ciascuna variabile nel modello è data dal valore della correlazione parziale (esprimibile con R, R 2 o rho) di ogni variabile indipendente con la variabile dipendente, e da Esp (B). Un valore di R positivo indica che la variabile influenza positivamente la probabilità che l evento accada, un valore di R negativo indica il contrario; il valore assoluto di R indica pertanto il contributo parziale di ogni variabile dipendente al modello. Per ogni variabile indipendente, Esp (B) esprime il cambiamento nella probabilità che l evento accada nel caso in cui la variabile indipendente aumenti di una unità. Per valutare la capacità predittiva del modello di regressione logistica è stata usata la percentuale di casi classificati correttamente dal modello stesso ed è stata effettuata un analisi mediante curva ROC, la quale 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 sensibilità del modello (proporzione di casi positivi classificati correttamente) con il reciproco della sua specificità (proporzione di casi negativi classificati correttamente). 4) Risultati 4.1) Distribuzione delle osservazioni Da gennaio 2007 ad aprile 2008 sono state raccolte in totale 304 osservazioni comprensive anche delle segnalazioni pervenute e verificate per la loro attendibilità. La maggior parte delle osservazioni è risultata costituita da escrementi rinvenuti sui transetti, il secondo tipo per importanza sono state le tracce (impronte) e il terzo le predazioni; 14

16 questi tre tipi hanno costituito il 96,7% di tutte le osservazioni, mentre marcature con urina, avvistamenti di lupi e ritrovamenti di lupi uccisi illegalmente hanno raggiunto appena il 3,3% (Fig. 4). Considerando i due anni di studio separatamente, nel 2007 è aumentata l importanza degli escrementi e delle predazioni sul totale delle osservazioni, mentre si è ridotta quella delle impronte (Fig. 5). Nel 2008, invece, è aumentata considerevolmente la percentuale di tracce rinvenute sui transetti e di marcature con urina (Fig. 6). Per quanto concerne le quattro province liguri, la maggior parte delle osservazioni è stata raccolta a Genova (n=118), 95 osservazioni sono state registrate a Imperia, 71 a La Spezia e 20 a Savona. In tutte le province il tipo d osservazione più frequente sono stati gli escrementi, seguiti dalle tracce; le predazioni sono state registrate solo in tre province (GE, IM e SV), le marcature con urina sono state rilevate a Imperia e La Spezia, gli avvistamenti di lupi sono stati effettuati a Genova e Imperia, gli ululati sono stati sentiti a Imperia e un lupo è stato abbattuto a Genova (Fig. 7). La frequenza dei diversi tipi d osservazione nelle quattro province è risultata significativamente differente (Chi-quadrato=35,77; gl=18; P=0,008). Fig. 4 - Percentuali dei tipi di osservazione di lupo in Liguria (anni di studio, stagioni e province cumulati) 0,7% 2,0% 5,9% 0,3% 0,3% Escrementi Tracce Predazioni Urina Avvistamenti Abbattimenti Ululati 21,7% 69,1% 15

17 Fig. 5 - Percentuali dei tipi di osservazione di lupo in Liguria (anno 2007, stagioni e province cumulati) 15,5% 0,5% 8,8% 0,5% 0,5% Escrementi Tracce Predazioni Avvistamenti Abbattimenti Ululati 74,1% Fig. 6 - Percentuali dei tipi di osservazione di lupo in Liguria (anno 2008, stagioni e province cumulati) 0,9% 5,4% 0,9% Escrementi Tracce Predazioni urina Avvistamenti 32,4% 60,4% 16

18 Fig. 7 - Frequenza percentuale dei tipi d osservazione di lupo in Liguria per provincia (anni e stagioni cumulati) 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% GE IM SP SV Avvistamenti Escrementi Abbattimenti Predazioni Tracce Ululati Urina Le osservazioni di lupo sul territorio ligure hanno interessato un numero limitato di comuni e un numero ancora inferiore è risultato ad alta densità di osservazioni. In totale sono stati rinvenuti segni di presenza del lupo in 41 comuni, di questi 11 sono risultati in provincia di Imperia, 11 in provincia di Savona, 15 in provincia di Genova e 4 in provincia di La Spezia. I comuni con più alta densità di osservazioni sono risultati collocati nella zona altoappenninica, a confine con la Francia, il Piemonte, L Emilia e la Toscana, ma osservazioni sono state anche registrate in comuni rivieraschi quali Sanremo e Genova (Fig. 8, 9, 10, 11). 17

19 Fig. 8 - Densità d osservazioni e frequenza percentuale dei tipi di segnalazione nei comuni della provincia di Imperia. 18

20 Fig. 9 - Densità d osservazioni e frequenza percentuale dei tipi di segnalazione nei comuni della provincia di Savona. 19

21 Fig Densità d osservazioni e frequenza percentuale dei tipi di segnalazione nei comuni della provincia di Genova. 20

22 Fig Densità d osservazioni e frequenza percentuale dei tipi di segnalazione nei comuni della provincia di La Spezia. 21

23 La maggior parte delle osservazioni di lupo è stata raccolta in inverno (n=172), mentre 80 osservazioni sono state registrate in primavera, solamente 22 in estate e 30 in autunno. In tutte le stagioni la maggior parte delle osservazioni è risultata costituita da escrementi rinvenuti sui transetti, con un andamento decrescente dalla primavera all inverno. Per le tracce, la percentuale più elevata è risultata in inverno e le predazioni sono state segnalate dalla primavera all autunno, con un massimo in estate. Gli altri tipi d osservazione sono stati registrati in primavera (avvistamenti), in autunno (ululati) e in inverno (marcature con urina e abbattimenti illegali) (Fig. 12). La frequenza dei diversi tipi di segnalazione ha mostrato differenze statisticamente significative tra le stagioni (Chiquadrato=59,37; gl=18; P<0,0001). Fig Frequenza percentuale dei tipi di osservazione di lupo in Liguria per stagione (anni e province cumulati) 100% 80% 60% 40% 20% 0% Primavera Estate Autunno Inverno Avvistamenti Escrementi Abbattimenti Predazioni Tracce Ululati Urina Il numero di osservazioni ha avuto un massimo nel mese di febbraio, per poi calare drasticamente da aprile a settembre e aumentare ancora da ottobre a dicembre, raggiungendo un secondo picco inferiore al primo (Fig. 13). 22

24 Fig Andamento mensile delle osservazioni di lupo in Liguria (province e anni di studio cumulati) 60 N. di osservazioni Mesi Lo stesso andamento è stato riscontrato considerando solo le osservazioni del 2007, anche se in questo anno il secondo picco è apparso più pronunciato (Fig. 14). Nel 2008, avendo lo studio interessato solamente i primi quattro mesi dell anno, il numero di osservazioni ha avuto un andamento decrescente da gennaio ad aprile (Fig. 15). Considerando separatamente le quattro province liguri, l andamento mensile delle osservazioni è risultato in accordo con l andamento generale a Genova e La Spezia, anche se per Genova è stato registrato un aumento del numero di osservazioni a giugno e per La Spezia non è stato rilevato il secondo picco autunnale. A Imperia le osservazioni sono aumentate da gennaio a marzo, per poi diminuire drasticamente ad aprile, raggiungere un secondo picco a maggio, decrescere fino a luglio e incrementare da agosto a dicembre. A Savona è stato registrato il primo massimo a febbraio e, successivamente, si è verificata una diminuzione e una stabilizzazione con un numero molto ridotto di osservazioni fino a dicembre (Fig. 16). 23

25 Fig Andamento mensile delle osservazioni di lupo in Liguria (anno 2007, province cumulate) N. di osservazioni Mesi Fig Andamento mensile delle osservazioni di lupo in Liguria (anno 2008, province cumulate) N. di osservazioni Mesi

26 Fig Andamento mensile delle osservazioni di lupo nelle province della Liguria (anni di studio cumulati) 40 N. di osservazioni IM SV GE SP Mesi Considerando separatamente i diversi tipi d osservazione, sono stati rilevati andamenti mensili diversi. Il numero di escrementi rinvenuti sui transetti è aumentato nei mesi invernali raggiungendo un massimo a marzo, dopodichè è crollato mantenendosi molto basso per tutta la primavera e l estate, per poi risalire dal mese di ottobre. Le impronte sono state registrate quasi esclusivamente a gennaio, febbraio e in numero nettamente minore a marzo. Le predazioni, al contrario hanno avuto un primo picco a maggio e un secondo ad ottobre. Infine, le marcature con urina sono state rilevate solamente in gennaio, febbraio e marzo (Fig. 17). 25

27 Fig Andamento mensile dei diversi tipi d osservazione del lupo in Liguria (anni di studio e province cumulati) N. di osservazioni Escrementi Tracce Predazioni Urina Avvistamenti Abbattimenti Ululati Mesi ) Abbondanza del lupo in Liguria L indice chilometrico d abbondanza (IKA) del lupo, rilevato sul totale dei transetti della regione, è stato di 0,8 segni di presenza per km (ES=0,14; min.=0,0; max.=9,0). Sono risultate variazioni statisticamente significative dell IKA sia tra province sia tra stagioni (F 3;102 =4,32; P=0,006 e F 3;420 =7,81; P<0,0001, rispettivamente); in particolare, al test posthoc di Bonferroni, sono risultati significativamente differenti i valori dell IKA delle province di Imperia e Savona (P=0,012), dell inverno e dell estate (P<0,0001) e dell inverno e dell autunno (P=0,001) (Fig. 18 e 19). L IKA del lupo, calcolato dai segni di presenza sui transetti, è stato massimo mese di febbraio e minimo nei mesi di luglio e settembre. Complessivamente l andamento mensile ha mostrato un incremento da gennaio a febbraio, una sensibile diminuzione durante i mesi primaverili ed estivi e un successivo aumento da ottobre a dicembre (Fig. 20). 26

28 Fig Valori medi (±ES) dell IKA del lupo nelle province della Liguria (anni e stagioni cumulati) 2,5 IKA Lupo 2 1,5 1 0,5 0 GENOVA IMPERIA LA SPEZIA SAVONA Fig Valori medi stagionali (±ES) dell IKA del lupo in Liguria (anni e province cumulati) 0,6 IKA Lupo 0,5 0,4 0,3 0,2 0,1 0 Primavera Estate Autunno Inverno 27

29 Fig Andamento mensile dell IKA del lupo in Liguria (anni di studio e province cumulati) 0,16 0,14 IKA Lupo 0,12 0,1 0,08 0,06 0,04 0,02 0 Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre 4.3) Uso dello spazio e dell habitat L analisi effettuata col metodo Kernel sulle osservazioni raccolte nei due anni di studio, ha individuato un areale complessivo del lupo di 3987 km 2 nel Nel 2007 l areale è risultato suddiviso in due sub-areali, di cui il primo, di 1622 km 2, collocato principalmente in provincia di Imperia, ma includente anche porzioni di territorio francese, piemontese e della provincia di Savona e il secondo, di 2365 km 2, situato tra le province di Genova e La Spezia ma con estensione anche in territorio emiliano e toscano (Fig. 21). Nel 2008, invece, l areale del lupo è risultato di 3757 km 2 e suddiviso in tre sub-areali, di cui il primo incentrato nella provincia di Imperia (1889 km 2 ), il secondo in provincia di Genova (404 km 2 ) e il terzo (1465 km 2 ) in provincia di La Spezia (Fig. 22). L areale del lupo in Liguria ha mostrato variazioni stagionali di lieve entità. Per l areale primaverile è stata registrata una superficie di 3786 km 2, in questa stagione le zone occupate dal lupo sono state tre, di cui una (1553 km 2 ) a Imperia, un altra (716 km 2 ) a Genova e la terza (1517 km 2 ) a La Spezia (Fig. 23). 28

30 Fig Areale del lupo in Liguria nel 2007 (Kernel Analysis al 99%) Fig Areale del lupo in Liguria nel 2008 (Kernel Analysis al 99%) 29

31 Fig Areale primaverile del lupo in Liguria (Kernel Analysis al 99%) La superficie complessiva dell areale estivo è stata di 3855 km 2, con una suddivisione in due sub-areali di cui il primo, di 1977 km 2, collocato tra le province di Imperia e Savona e il secondo, di 1879 km 2, in provincia di Genova (Fig. 24). Fig Areale estivo del lupo in Liguria (Kernel Analysis al 99%) 30

32 L areale autunnale è risultato di 2225 km 2 e nuovamente suddiviso in tre sub-areali, di estensione minore rispetto alla primavera, collocati nelle province di Imperia (470 km 2 ), Genova (462 km 2 ) e La Spezia (1293 km 2 ) (Fig. 25). Fig Areale autunnale del lupo in Liguria (Kernel Analysis al 99%) Infine, per l areale invernale è stata registrata la massima estensione stagionale (2765 km 2 ). In questo periodo dell anno le zone occupate dal lupo in Liguria sono risultate sostanzialmente due, di cui la prima di 469 km 2, limitata alla provincia di Imperia e zone limitrofe situate in Francia e in Piemonte e la seconda, di 2295 km 2, comprendente quasi tutta la parte montana della provincia di Genova e la porzione più nord-occidentale della provincia di La Spezia. Anche questo secondo sub-areale è risultato esteso oltre il confine regionale (Fig. 26). Confrontando le superfici delle 11 fasce altitudinali all interno degli areali del lupo con quelle misurate per l intero territorio regionale, è emersa in entrambi gli anni una marcata selezione per le zone poste alle altitudini più elevate; in particolare, sono risultate utilizzate in misura inferiore alla disponibilità le aree fino ai 600 m s.l.m., mentre sono state usate in proporzione nettamente superiore quelle al di sopra degli 800 m di quota (Fig. 27). 31

33 Fig Areale invernale del lupo in Liguria (Kernel Analysis al 99%) Fig Valori dell indice di selezione di Jacobs per le fasce altitudinali nell areale del lupo in Liguria nei due anni di studio (stagioni cumulate). 0,3 0,2 Indice di Jacobs 0,1 0-0,1-0, ,3-0, >

34 Considerando le diverse stagioni, la prima fascia altitudinale (0-200 m s.l.m.) è risultata sottoutilizzata in tutte le stagioni, la seconda ( m) solo in estate e autunno, la terza ( m) in primavera, estate e autunno, mentre le zone a quote maggiori degli 800 m s.l.m. sono state sempre sovrautilizzate. Una selezione particolarmente marcata è risultata per le altitudini superiori ai 1200 m s.l.m. e soprattutto in estate e in autunno (Fig. 28). Fig Variazioni stagionali dell indice di selezione di Jacobs per le fasce altitudinali nell areale del lupo in Liguria (anni di studio cumulati). 0,6 Indice di Jacobs 0,4 0,2 0-0,2-0,4 Primavera Estate Autunno Inverno -0, >1800 Per quanto riguarda la selezione delle diverse esposizioni prevalenti negli areali, i valori dell indice di Jacobs sono risultati prossimi allo zero sia considerando i due anni (min.=- 0,03; max.=0,02), sia considerando le quattro stagioni (min.=-0,04; max=0,06). Per i diversi tipi di vegetazione, nei due anni di studio, sono risultati selezionati positivamente i diversi tipi di bosco, le brughiere e i cespuglieti, la vegetazione rada, quella in evoluzione, i prato-pascoli e i bacini idrici, mentre sono stati sottoutilizzati le rocce nude, i coltivi, gli oliveti e i vigneti e le aree urbanizzate (Fig. 29). Variazioni stagionali del tipo di selezione sono state registrate per i boschi di conifere, i boschi misti e le rocce nude (Fig. 30). 33

35 Fig Indice di selezione di Jacobs per i tipi di vegetazione nell areale del lupo in Liguria (stagioni cumulate) Indice di Jacobs Boschi di latifoglie Boschi di conifere Boschi misti Brughiere e cespuglieti Vegetazione a xerofille Vegetazione in evoluzione Vegetazione rada Rocce nude Prato-pascoli Coltivi Oliveti e vigneti Aree percorse da incendi Bacini idrici Corsi d'acqua Aree urbanizzate Fig Variazioni stagionali dell indice di selezione di Jacobs per i tipi di vegetazione nell areale del lupo in Liguria (anni di studio cumulati) Indice di Jacobs Boschi di latifoglie Boschi di conifere Boschi misti Brughiere e cespuglieti Primavera Estate Autunno Inverno Vegetazione a xerofille Vegetazione in evoluzione Vegetazione rada Rocce nude Prato-pascoli Coltivi Oliveti e vigneti Aree percorse da incendi Bacini idrici Corsi d'acqua Aree urbanizzate 34

36 Il confronto tra uso (proporzione dei segni di presenza nelle fasce altitudinali, esposizioni e tipi di vegetazione) e disponibilità calcolata sui transetti ha rilevato un uso significativamente diverso dalla disponibilità sia per le fasce altitudinali (Chiquadrato=27,04; gl=9; P=0,001), sia per le esposizioni (Chi-quadrato=39,39; gl=7; P<0,0001), sia per i tipi di vegetazione ((Chi-quadrato=42,64; gl=7; P<0,0001). In particolare, per quanto riguarda le fasce altitudinali, è risultato un sottoutilizzo significativo solo per la fascia tra i 400 e i 600 m s.l.m., mentre tutte le altre sono state usate in proporzione alla disponibilità. Secondo i valori dell indice di Manly, le fasce preferite sono state, nell ordine, quella al di sopra dei 1800 m, quella tra i 200 e i 400 m e quelle dai 1000 ai 1800 m s.l.m. (Tab. 2). Tab. 2 Selezione (indice w) e preferenza (indice α) per le fasce altitudinali da parte del lupo in Liguria (PD=proporzioni di disponibilità, PU= proporzioni d uso, n=274) Fasce altitudinali PD PU w (ES) α ,002 0,000 0,00 (0,00) 0, ,010 0,018 1,75 (0,78) 0, ,092 0,051 0,56 (0,14)* 0, ,160 0,117 0,73 (0,12) 0, ,211 0,175 0,83 (0,11) 0, ,165 0,201 1,21 (0,15) 0, ,163 0,190 1,16 (0,15) 0, ,120 0,139 1,16 (0,17) 0, ,059 0,062 1,05 (0,25) 0,082 >1800 0,020 0,047 2,70 (0,73) 0,210 * Differenze significative dal valore w=1 di uso pari alla disponibilità Per le esposizioni, è risultato un sottoutilizzo significativo dell esposizione Nord e un sovrautilizzo delle esposizioni Sud e Sud-Ovest. Le esposizioni maggiormente frequentate sono risultate, nell ordine, quelle Sud, Sud-Ovest, Ovest e Est (Tab. 3). 35

37 Tab. 3 Selezione (indice w) e preferenza (indice α) per i tipi di vegetazione da parte del lupo in Liguria (PD=proporzioni di disponibilità, PU= proporzioni d uso, n=274) Esposizioni PD PU w (ES) α Nord 0,095 0,029 0,31 (0,11)* 0,041 Nord-Est 0,097 0,077 0,79 (0,17) 0,115 Est 0,111 0,106 0,95 (0,17) 0,127 Sud-Est 0,153 0,131 0,86 (0,13) 0,115 Sud 0,167 0,245 1,46 (0,15)* 0,196 Sud-Ovest 0, ,43 (0,16)* 0,192 Ovest 0,116 0,120 1,04 (0,17) 0,139 Nord-Ovest 0,102 0,066 0,64 (0,15) 0,086 * Differenze significative dal valore w=1 di uso pari alla disponibilità Infine, dei diversi tipi di vegetazione, è risultata positivamente selezionata la vegetazione rada e, negativamente, gli arbusteti e le aree urbanizzate, mentre tutti gli altri tipi sono stati usati in proporzione alla disponibilità. L indice di Manly ha permesso di definire la preferenza per i diversi tipi di vegetazione nel seguente ordine: vegetazione rada, boschi di conifere, boschi di latifoglie, coltivi, boschi misti, prato-pascoli, arbusteti e aree urbanizzate (Tab. 4). Tab. 4 Selezione (indice w) e preferenza (indice α) per i tipi di vegetazione da parte del lupo in Liguria (PD=proporzioni di disponibilità, PU= proporzioni d uso, n=274) Tipi di vegetazione PD PU w (ES) α Boschi di latifoglie 0,292 0,358 1,22 (0,10) 0,147 Boschi di conifere 0,054 0,091 1,71 (0,33) 0,204 Boschi misti 0,156 0,135 0,86 (0,13) 0,103 Arbusteti 0,193 0,102 0,53 (0,09)* 0,063 Prato-pascoli 0,210 0,172 0,82 (0,11) 0,098 Vegetazione rada 0,066 0,124 1,88 (0,30)* 0,226 Coltivi 0,021 0,018 0,86 (0,39) 0,106 Aree urbanizzate 0,008 0,000 0,00 (0,00)* 0,000 * Differenze significative dal valore w=1 di uso pari alla disponibilità 36

38 4.4) Fattori influenzanti la presenza del lupo in Liguria L analisi della varianza ad un fattore di classificazione (one-way ANOVA), ha permesso di individuare differenze statisticamente significative tra i valori medi di alcune variabili ambientali nelle UC di presenza accertata del lupo e in quelle di controllo. In particolare, delle variabili dell uso del suolo, i boschi di latifoglie e i prato-pascoli hanno avuto percentuali più elevate nelle UC di presenza, mentre oliveti, coltivi e aree urbanizzate sono risultati più estesi nelle UC di controllo (Tab. 5). Tab. 5 - Valori medi (ES) e significatività delle differenze delle variabili dell uso del suolo nelle UC di presenza del lupo (n=53) e nelle UC di controllo (n=53) (one-way ANOVA; evidenziate in rosso le variabili con differenze significative) Variabili Presenza Controllo F P Boschi di latifoglie 50,5 (4,23) 12,8 (2,77) 55,38 <0,0001 Boschi di conifere 3,1 (1,15) 4,3 (1,82) 0,28 0,600 Boschi misti 13,1 (2,49) 15,3 (2,30) 0,44 0,510 Arbusteti in evoluzione 10,5 (1,48) 12,7 (1,92) 0,80 0,373 Prato-pascoli 13,2 (1,78) 8,3 (1,28) 4,91 0,029 Rocce nude 0,03 (0,03) 0,1 (0,08) 0,32 0,574 Vegetazione rada 1,4 (0,56) 0,8 (0,50) 0,71 0,400 Brughiere e cespuglieti 0,6 (0,45) 0,0 (0,00) 1,59 0,210 Oliveti 1,2 (0,48) 13,9 (2,34) 28,25 <0,0001 Coltivi con veg. naturale 3,6 (0,68) 6,8 (1,60) 3,59 0,061 Coltivi 1,9 (0,73) 14,9 (3,37) 14,12 <0,0001 Aree urbanizzate 0,7 (0,45) 10,1 (2,60) 12,71 0,001 Bacini idrici 0,2 (0,11) 0,0 (0,00) 3,49 0,065 Per quanto riguarda le fasce altitudinali, quelle comprese tra il livello del mare e i 400 m di quota hanno avuto percentuali significativamente maggiori nelle UC di controllo, mentre quelle al di sopra dei 400 m e fino ai 1400 m d altitudine sono risultate più rappresentate nelle UC di presenza (Tab. 6). Considerando le esposizioni prevalenti, sono risultate differenze significative per le esposizioni Nord, Ovest e Nord-ovest, con valori maggiori nelle UC di presenza, e per quelle Sud e Sud-Est, con percentuali più elevate nelle UC di controllo (Tab. 7). 37

39 La funzione derivata dall analisi discriminante ha separato significativamente le UC di presenza da quelle di controllo, utilizzando quattro variabili ambientali di cui i boschi di latifoglie con effetto positivo sulla presenza del lupo e oliveti, fascia altitudinale da 0 a 200 m e quella da 200 a 400 m, con effetto negativo (Tab. 8). La FD ha classificato correttamente l 85,8% dei casi originari, di cui il 79,2% delle UC di controllo e il 92,5% delle UC di presenza. Tab. 6 - Valori medi (ES) e significatività delle differenze delle percentuali delle fasce altitudinali nelle UC di presenza del lupo (n=53) e nelle UC di controllo (n=53) (oneway ANOVA; evidenziate in rosso le fasce con differenze significative) Fasce altitudinali Presenza Controllo F P m 2,6 (1,26) 41,3 (5,46) 47,62 <0, m 12,3 (2,71) 29,5 (3,44) 15,34 <0, m 21,2 (2,95) 11,8 (2,01) 6,94 0, m 23,1 (2,37) 8,0 (1,74) 26,14 <0, m 19,4 (2,41) 4,6 (1,28) 29,22 <0, m 11,7 (2,04) 2,8 (1,17) 14,12 <0, m 6,3 (1,56) 1,2 (0,73) 8,92 0, m 2,6 (0,91) 0,6 (0,60) 3,21 0, m 0,6 (0,51) 0,2 (0,15) 0,73 0,394 >1800 m 0,2 (0,19) 0,0 (0,00) 1,00 0,320 L Analisi di Regressione Logistica ha permesso di formulare un modello predittivo della probabilità di presenza del lupo in Liguria, tramite la selezione di quattro variabili ambientali con coefficienti significativi; di queste i boschi di latifoglie e la fascia altitudinale tra 1000 e 1200 m s.l.m. sono state quelle con maggior contributo al modello e con effetto positivo sulla probabilità di presenza. Il modello ha spiegato il 68,6% della varianza della variabile dipendente e ha classificato correttamente l 84,0% dei casi originari totali, l 84,2% delle UC di controllo e l 83,0% delle UC di presenza accertata del lupo (Tab. 9). 38

40 Tab. 7 - Valori medi (ES) e significatività delle differenze delle percentuali delle esposizioni prevalenti nelle UC di presenza del lupo (n=53) e nelle UC di controllo (n=53) (one-way ANOVA; evidenziate in rosso le fasce con differenze significative) Esposizioni Presenza Controllo F P Nulla 0,0 (0,00) 0,2 (0,17) 1,46 0,230 Nord 11,1 (1,03) 7,4 (1,24) 5,44 0,022 Nord-Est 12,4 (1,09) 11,8 (1,11) 0,17 0,680 Est 12,3 (0,86) 17,6 (1,56) 8,93 0,004 Sud-Est 13,1 (0,93) 17,4 (1,51) 5,86 0,017 Sud 16,7 (1,02) 20,8 (2,07) 3,14 0,079 Sud-Ovest 13,6 (1,02) 12,8 (1,31) 0,25 0,617 Ovest 11,3 (1,21) 7,7 (0,96) 5,34 0,023 Nord-Ovest 9,4 (0,85) 4,3 (0,74) 20,73 <0,0001 Tab. 8 - Risultati dell Analisi di Funzione Discriminante tra le UC di presenza del lupo in Liguria (n=53) e le UC di controllo (n=53) Variabili ambientali Coefficienti standardizzati Coefficienti di correlazione Boschi di latifoglie -0,515-0,678 Oliveti 0,287 0, 484 Fascia alt m s.l.m. 0,582 0,629 Fascia alt m s.l.m. 0,408 0,357 Autovalore 1,16 Correlazione canonica 0,733 Chi-quadrato 78,49 g.l. 4 P <0,0001 Dall analisi effettuata mediante curva ROC il modello è risultato avere elevata capacità predittiva; infatti, la curva della sensibilità verso il reciproco della specificità sottende un area di 0,932 (ES=0,024), significativamente diversa (P<0,0001) da quella riferibile a un modello che classifica casualmente (Fig. 31). 39

41 L applicazione del modello così ottenuto a tutto il territorio regionale ha permesso d individuare le aree più idonee alla specie (Fig. 32). Complessivamente, in tutta la regione, è risultato un areale potenziale idoneo al lupo (probabilità di presenza >0,5) di 3252,4 km 2, pari al 60,8% dell intero territorio regionale. Dell areale potenziale, 471,2 km 2 (14,5%) sono risultati in provincia di Imperia, 1032,3 km 2 (31,7%) in provincia di Savona, 1437,0 km 2 (44,2%) in provincia di Genova e 311,8 km 2 (9,6%) in provincia di La Spezia. Tab. 9 - Risultati dell Analisi di Regressione Logistica per la formulazione del modello della probabilità di presenza del lupo in Liguria Variabili ambientali Coefficienti di regressione (ES) P Exp (B) Boschi di latifoglie 4,6 (1,13) <0, ,2 Oliveti -13,5 (6,08) 0,026 0,0 Alt m 7,0 (3,08) 0, ,2 Esposizione Sud-Est -7,3 (3,68) 0,048 0,01 Costante -0,1 (0,76) -2 Log verosimiglianza 70,39 R 2 di Nagelkerke 0,686 Miglioramento Chi-quadrato=4,51 gl=1 P=0,034 Modello Chi-quadrato=76,56 gl=5 P<0,