Le tecniche di elaborazione dei dati
Concludiamo con una nota tecnica, che descrive brevemente le caratteristiche delle analisi spaziali e temporali dei dati e le varie metodologie GIS (Geographical Information System, Sistema Informativo Geografico) - punti con valori, tipo di interpolazione - utilizzate dagli autori per la produzione delle carte. Talora, simboli con informazioni contrastanti si possono sovrapporre. Questo è un artefatto dovuto alla rappresentazione non in scala di informazioni spazialmente molto vicine. Una delle principali caratteristiche dello studio della laguna - e dei sistemi ambientali più in generale - consiste nel coinvolgimento di un elevato numero di discipline (fisica, chimica, biologia, geologia, ecologia, scienze ambientali, ingegneria, economia, archeologia ecc.) caratterizzate da metodi di misura e di analisi molto diversi tra loro. Queste discipline producono grandi masse di dati, eterogenei, che permettono una comprensione profonda delle relazioni e delle funzioni dei sistemi ambientali solo se vengono letti in modo integrato e unitario. Le valutazioni ed i modelli previsionali non possono prescindere dall'analisi integrata dei dati e dalla lettura interdisciplinare dei processi e solo da questi si possono costruire sistemi gestionali e metodi capaci di supportare le decisioni politiche. La complessità e l'incertezza sono presenti in ogni tipologia di analisi ambientale: dallo studio della distribuzione spaziale e/o dell'evoluzione temporale dei fenomeni ambientali alla costruzione di indici per la valutazione della qualità dell'ambiente. I metodi statistici rappresentano un potente strumento in questo ambito, perché trattano direttamente il tema dell'incertezza e propongono tecniche efficaci per la riduzione dei dati o il trattamento da modello della complessità. I GIS sono uno strumento aggiuntivo per le analisi del territorio. Si tratta di una tecnologia software che permette di posizionare ed analizzare oggetti ed eventi che esistono e si verificano. Il GIS, strumento di organizzazione dei dati a terra ed in mare, permette di integrare i risultati di misure, modelli, analisi statistiche e permette la gestione dei dati per la generazione di analisi geografiche corredate da tabelle, documenti e mappe. Per quanto riguarda gli studi ambientali, le due principali aree di utilizzo includono la rappresentazione grafica degli andamenti a livello geografico (uso descrittivo) e l'analisi spaziale (uso analitico). I GIS possono essere di ausilio nella determinazione dei modelli di simulazione e, anche attraverso l'uso di sistemi esperti, possono aiutare a predire l'incidenza dell'inquinamento o dell'erosione costiera in diversi luoghi e nello studio di situazioni dinamiche (andamento stagionale della clorofilla, ad esempio). La visualizzazione di fenomeni spaziali è un metodo descrittivo molto efficace. In particolare, nel campo dell'analisi e della valutazione ambientale, il GIS è uno strumento molto utile per la produzione di carte tematiche relative alla distribuzione spaziale di fenomeni ambientali (quali ad esempio piogge, piene, cambiamenti morfologici, inquinamento, nutrienti, salinità, malattie). Disponendo di archivi di dati aggiornati, possono essere create, pressoché all'istante, nuove mappe rappresentanti la situazione più attuale ed inoltre possono essere monitorate nel tempo le dinamiche spaziali del verificarsi degli eventi di interesse. Il livello di aggregazione dell'informazione è sotto controllo dell'utente, che può decidere se rappresentare la localizzazione dei singoli casi o la rappresentazione (a livello di unità geografiche, ecologiche, amministrative) di indici e misure di frequenza quali incidenza, prevalenza ecc. L'analisi spaziale effettuata utilizzando i GIS include un'ampia serie di operazioni. In questo ambito possono essere analizzati tre tipi di dati a carattere spaziale: puntuali, geostatistici ed areali. La prima problematica dell'analisi dei dati è stata la correlazione di pochi dati in uno spazio ampio e la creazione dei modelli di variazione spaziale. L'analisi geostatistica permette di correlare dati spaziali lontani e definire come essi variano nello spazio e quali sono gli errori connessi ai modelli di interpolazione. La seconda problematica è stata la valutazione di dati raccolti in tempi differenti, in un ambiente che varia molto di anno in anno. Anche qui la statistica ci può aiutare, permettendoci di calcolare l'errore commesso nel porre assieme dati temporalmente differenti, errore che ci offre una quantificazione della bontà dell'analisi stessa. Le mappe prodotte attraverso l'interpolazione di dati puntuali sono state ottenute utilizzando il metodo IDW (Inverse Distance Weighted) come tecnica di interpolazione matematica e il metodo "ordinary kriging" come tecnica di interpolazione geostatistica. Il metodo IDW fornisce una previsione dei valori delle variabili nei punti non campionati, ipotizzando che la vicinanza dei valori misurati in due punti sia inversamente proporzionale alla distanza spaziale tra loro. Il kriging permette di quantificare le autocorrelazioni spaziali tra i diversi punti misurati, creando delle superfici in base alle proprietà statistiche della distribuzione dei valori e determinando anche una misura degli errori e dell'incertezza di queste superfici, quantificando la bontà e l'affidabilità del metodo nella situazione studiata. Il metodo kriging prevede due fasi ben precise:
1. la quantificazione della struttura spaziale dei dati;
2. la creazione delle stime, cioè della superficie d'interpolazione.
La quantificazione della struttura spaziale dei dati si sviluppa attraverso il calcolo della semivarianza (quantificazione della variazione della similarità dei dati con l'aumentare della distanza reciproca dei punti del dataset) i cui valori sono riportati in un semivariogramma, costituito da un diagramma XY dove vengono rappresentate, sulle ascisse, le distanze reciproche tra i punti misurati e, sulle ordinate, la semivarianza. Il semivariogramma così ottenuto è indipendente dalla posizione geografica delle misure e dipende solo dalla distanza reciproca tra le stesse. La fase successiva consiste nella determinazione di un modello (esponenziale, circolare, gaussiano) che approssimi nel migliore dei modi la distribuzione dei punti ottenuta nel semivariogramma. È questo il punto chiave di tutto il processo. Il modello che quasi sempre ha approssimato in modo migliore la distribuzione dei punti dei semivariogrammi dei vari parametri chimici è stato quello esponenziale. L'interpolazione con il metodo kriging richiede la definizione di numerosi parametri al fine di studiare la correlazione spaziale nel modo migliore possibile e di approssimare la stessa con un modello opportuno. A volte, proprio la scarsa correlazione esistente tra le misure di un dataset può essere alla base di problemi di non facile risoluzione, con risultati non sempre soddisfacenti. Le mappe riportate sono state ottenute utilizzando il software ArcGis 8.3 e 9, munito dell'estensione specifica "Geostatistical Analyst" per le elaborazioni con il metodo kriging.