Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
): 485-508
CAPITOLO 14
14.1 Introduzione
Quantificare gli effetti delle numerose attività antropiche su organismi ed ambienti
è di estrema importanza per garantire una corretta gestione e salvaguardia delle risorse
naturali. La possibilità di individuare impatti ambientali, oppure di valutare l’efficacia
di interventi di mitigazione, dipende in larga misura dai criteri logici e metodologici
utilizzati nella procedura di valutazione (Peterson, 1993; Warwick, 1993; Underwood,
1995). Una fase critica della procedura è l’identificazione di un appropriato disegno
di campionamento che sia in grado di stimare l’effetto in esame e di separarlo dalla
variabilità intrinseca al sistema investigato (Green, 1979, 1993; Bernstein e Zalinski,
1983; Stewart-Oaten et al., 1986, 1992; Eberhardt e Thomas, 1991; Underwood,
1991, 1992; Wiens e Parker, 1995; Benedetti-Cecchi, 2001a; Stewart-Oaten e Bence,
2001).
Questo Capitolo si focalizza sulla valutazione di influenze antropiche sia su
singole popolazioni che su popolamenti (insieme di popolazioni comprendenti più
specie) con particolare riferimento ai sistemi marini costieri. Numerosi studi in
letteratura indicano che i popolamenti marini costieri sono estremamente variabili
per composizione specifica ed abbondanza sia nello spazio che nel tempo (Dayton
e Tegner, 1984; Menge e Olson, 1990; Levin, 1992; Wiens et al., 1993; Schneider,
486 L. BENEDETTI-CECCHI, L. AIROLDI, S. FRASCHETTI, A. TERLIZZI
statistico. Ciò deriva dal fatto che non è mai possibile eseguire tutte le misurazioni
teoricamente possibili della variabile in esame, qualunque essa sia. È quindi necessa-
rio eseguire un campionamento per ottenere una rappresentazione della distribuzione
a cui la variabile appartiene. Scopo del campionamento è quello di stimare i parame-
tri rilevanti all’analisi delle ipotesi in esame (Cap. 6). Due sono i principali parametri
la cui stima è rilevante ai fini di valutare gli effetti antropici su organismi: la media
(parametro di locazione della distribuzione) e la varianza (parametro di dispersione).
Una volta identificata la variabile (o le variabili) rilevanti al problema, siano esse
misure di abbondanza di singole specie, di struttura di popolamenti, oppure misure
di eterogeneità nello spazio e nel tempo, è opportuno identificare il contesto spaziale
e temporale nel quale le misurazioni devono essere condotte. A questo scopo è di
primaria importanza identificare l’area ritenuta esposta a disturbo antropico (dove con
disturbo si intende una particolare forma di attività antropica, sia che essa causi un
impatto oppure no) ed opportune aree di riferimento non soggette a disturbo. Le aree
di riferimento devono contenere gli stessi popolamenti di quelle disturbate ed essere
rappresentative dello stesso tipo di ambiente. Dato che è poco plausibile ritenere che
possano esistere due aree perfettamente identiche di un dato ambiente, dal cui con-
fronto dovrebbe scaturire la valutazione dell’effetto antropico, vedremo di seguito che
il disegno di campionamento dovrà incorporare più aree di riferimento per evitare
problemi di confusione spaziale (o pseudoreplicazione, da Hurlbert, 1984) e misure
ripetute nel tempo per la stima della variabilità temporale. Di seguito sono illustrate
le principali tappe che hanno caratterizzato lo sviluppo dei disegni di campionamento
per la valutazione di effetti antropici sulla base dei principi sopra esposti.
i popolamenti possono differire tra le due aree per l’effetto antropico oppure perché
altri processi ecologici operano in modo eterogeneo nello spazio, senza possibilità
alcuna di discriminare fra queste due alternative. Analogamente, il disegno di cam-
pionamento confonde la variabilità temporale fra il periodo prima ed il periodo dopo
l’intervento con la variabilità tra data e data. In queste circostanze non è possibile
stabilire se le differenze osservate tra le due date esaminate (una prima ed una dopo
l’intervento) sono rappresentative dei due periodi comparati, oppure se differenze
temporali di entità analoga potrebbero sussistere anche tra date campionate all’interno
di uno stesso periodo. Due sono le possibili conseguenze di questi problemi: (1) si
evidenzia un impatto che di fatto non esiste (Fig. 1A), oppure (2) un impatto può
effettivamente sussistere ma non essere evidenziato (Fig. 1B).
Un’evoluzione del disegno precedente consiste nel replicare le misure in più date
prima ed in più date dopo l’intervento, sia nell’area potenzialmente impattata che in
un’area di controllo (Fig. 1C). In questo caso le date sono scelte in modo casuale
all’interno di ciascun periodo con lo scopo di rappresentare il periodo in modo ade-
guato. Questa alternativa, denominata procedura BACIP (Before/After-Control/Impact
24
Disturbato
A Controllo
Abbondanza
Prim� Dopo
Ba
Prima Dopo
C
Prima Dopo
Fig. 1 - Disegni di campionamento inadeguati per la identificazione di impatto antropico. La freccia indica l’in-
sorgenza di intervento antropico che rappresenta una potenziale causa di impatto. Si veda il testo per
ulteriori dettagli.
Paired Series) (Stewart-Oaten et al., 1986), risolve solo uno dei problemi del caso
precedente. La variabilità temporale è misurata in modo corretto: se esiste una diffe-
renza tra il periodo prima ed il periodo dopo l’intervento, l’entità di tale differenza
deve essere maggiore della variabilità tra le date nei due periodi; la variabilità tra
date fornisce quindi il termine di paragone appropriato per esaminare possibili diffe-
renze tra periodi. Il fattore spaziale rimane tuttavia confuso in questo disegno di cam-
pionamento. Anche se la differenza tra l’area disturbata e l’area di riferimento varia
tra il prima ed il dopo l’intervento, non è possibile separare l’effetto dell’intervento
dalla influenza di altri fattori che rendono le due aree intrinsecamente diverse.
Per risolvere anche il problema spaziale occorre confrontare l’area disturbata
con più aree di riferimento campionate più volte prima e più volte dopo l’inter-
vento, utilizzando lo stesso numero di repliche in ciascuna area ed in ciascuna data
(Fig. 2). Le aree di riferimento devono essere scelte in modo casuale da una popo-
lazione statistica di possibili controlli. L’obiettivo è quello di misurare la variabilità
naturale fra aree in assenza del particolare disturbo antropico esaminato. I controlli
forniscono la misura di variabilità tra aree in assenza di impatto. Se l’intervento
non causa un impatto, anche l’area disturbata sarà di fatto un controllo e non
aggiungerà nessuna componente di variabiltà rilevante. Se invece l’impatto sussi-
ste, esso causerà una differenza tra l’area disturbata ed il valore medio delle aree
di riferimento aggiungendo così una componente di variabilità significativa rispetto
alla variabilità tra controlli (stimata dalle aree di riferimento). Ciò permette
25 di defi-
nire in modo oggettivo e quantitativo un impatto: un impatto è identificabile come
una variazione tra il prima ed il dopo l’insorgenza di un intervento antropico nelle
Disturbato
Abbondanza Controll�
Prima Dopo
Fig. 2 - Disegno BACI evoluto per l’analisi di impatto. La procedura si basa sul confronto tra il sito disturbato e
siti di riferimento multipli campionati in più date prima e più date dopo l’intervento antropico (indicato
dalla freccia).
differenze tra area disturbata ed aree di riferimento. È da notare che questa defi-
nizione ammette differenze naturali tra aree in un dato ambiente; tuttavia, se tali
differenze sono alterate in concomitanza di un intervento antropico, ciò può essere
ragionevolmente interpretato come evidenza di impatto. Infatti, un tale risultato
indicherebbe che in concomitanza con l’intervento è accaduto qualcosa nell’area
disturbata che è estraneo alle aree di riferimento e che risulta inatteso sulla base
della variabilità da queste stimata. Questo tipo di disegno di campionamento è una
evoluzione delle procedure BACI sopra illustrate (Beyond BACI, Underwood 1991,
1992, 1993) ed aumenta la confidenza nella identificazione di relazioni causa-
effetto tra disturbo antropico e risposta delle popolazioni naturali.
Tab. 1. Analisi della varianza per identificare impatti su popolazioni naturali secondo un
Tab. 1 - Analisi della varianza
disegno per identificare
di campionamento impatti
BACI su popolazioni
evoluto. naturali
Spiegazioni nelsecondo
testo. un disegno di campionamento
BACI evoluto. Spiegazioni nel testo.
Prima vs dopo =P 1
Date(P) = D(P) 2(d-1)
Aree =A a-1
Imp. vs Cont. =I 1
Tra Cont. =C a-2
PxA a-1
PxI 1
PxC a-2
D (P) x A 2(d-1)(a-1)
D(Prima) x A (d-1)(a-1)
D(Prima) x I d-1
D(Prima) x C (d-1)(a-2)
D(Dopo) x A (d-1)(a-1)
D(Dopo) x I d-1
D(Dopo) x C (d-1)(a-2)
Residuo 2da(n-1)
Totale 2dan-1
d = numero di date in ciascuna
d = numero di date in ciascuna condizione prima e dopo condizione prima e dopo�
a = numero di a
aree numero+ di
= (controlli areaaree (controlli + area impattata)�
impattata)
n = numero di n
repliche in ciascuna
= numero area
di repliche������������������
Metodi sperimentali per la valutazione di influenze antropiche su popolamenti ed ambienti marini costieri 491
concludere che tale divergenza insorge in concomitanza con l’intervento. Ciò eviden-
zia un impatto che genera differenze tra il sito disturbato ed i controlli persistenti nel
tempo (cioè per tutto il periodo “Dopo”). Altri test statistici possono essere costruiti
per esaminare ipotesi di impatto da una analisi quale quella riportata in Tab. 1. Per
una discussione dettagliata si rimanda ad Underwood (1993).
È opportuno rilevare che l’analisi della varianza si basa su importanti assunzioni
che devono essere rispettate affinché i risultati possano essere interpretati in modo
corretto (Cap. 13). Tale metodo di analisi risulta tuttavia uno strumento importante
in quanto fornisce un metodo analitico che perfettamente si adatta ai requisiti logici
necessari per una corretta valutazione delle influenze antropiche sull’ambiente. In
ultima analisi, qualunque sia la procedura preferita per il trattamento dei dati, è
opportuno che i dati siano raccolti con una visione chiara delle ipotesi in esame e
del disegno di campionamento appropriato per risolvere i vari problemi di confusione
spaziale e temporale. Garantito ciò, la scelta della tecnica analitica da utilizzare è un
problema secondario.
Nessuna procedura, per quanto sofisticata sia, potrà risolvere problemi di logica
nella fase di acquisizione dei dati. Un disegno di campionamento confuso non potrà
mai fornire una risposta logicamente accettabile alla domanda in esame, indipenden-
temente dalla procedura utilizzata per l’analisi dei dati.
La valutazione di influenze antropiche su organismi si avvale anche di metodi di
analisi multivariata. Tali metodi esaminano ipotesi relative ad effetti sulla struttura
dei popolamenti anziché su singole popolazioni. Vi sono numerose procedure di ana-
lisi multivariata a disposizione degli ecologi (Legendre e Legendre, 1998), ma non
esistono metodi in grado di gestire dati strutturati in modo complesso come, ad esem-
pio, quelli originati da un disegno di campionamento BACI evoluto. Metodi statistici
multivariati come l’analisi della varianza multivariata (MANOVA) sono ampiamente
utilizzati in ecologia, ma tali procedure si basano su assunzioni che non sono gene-
ralmente soddisfatte dai dati ecologici.
Infatti, l’assunzione che richiede una distribuzione multivariata normale dei dati
non è realistica per misure di abbondanza di organismi (Anderson, 2001). Ancor
meno realistica è l’assunzione di omogeneità delle matrici di varianza-covarianza,
secondo cui le differenze tra trattamenti devono rimanere invariate per tutte le osser-
vazioni non indipendenti presenti nella analisi.
Negli ultimi venti anni è stato pubblicato un elevato numero di lavori in cui l’ef-
fetto di influenze antropiche sulla struttura di popolamenti è stato esaminato mediante
tecniche multivariate di ordinamento e di analisi delle similarità. Un ordinamento è
una mappa dei campioni, di solito rappresentata in due o tre dimensioni, in cui la
posizione dei campioni riflette le similarità del popolamento.
La tecnica del “non-metric Multi Dimensional Scaling” (nMDS) è molto utilizzata
nei lavori di valutazione di influenze antropiche sui popolamenti costieri. Alla base
di questa procedura vi è un algoritmo numericamente complesso ma concettualmente
molto semplice.
L’analisi inizia da una matrice triangolare di similarità (o di dissimilarità) cal-
colata fra coppie di campioni derivanti da una matrice n x m, dove n rappresenta il
numero di specie ed m il numero di campioni. La similarità si esprime convenzional-
mente in una scala da 0 (se due campioni sono totalmente diversi) a 100 % (se sono
totalmente simili). Il fine dell’nMDS applicato alla matrice di similarità è quello di
costruire una mappa o “configurazione” del campione, in un numero specificato di
dimensioni, in modo che l’ordine dei ranghi delle distanze tra i campioni sulla mappa
492 L. BENEDETTI-CECCHI, L. AIROLDI, S. FRASCHETTI, A. TERLIZZI
rifletta l’ordine dei ranghi dei valori di similarità (o dissimilarità) presi dalla matrice
triangolare (si veda l’esempio in Fig. 4).
La similarità (o dissimilarità) tra campioni viene comunemente calcolata tramite
il coefficiente di similarità di Bray-Curtis (1957), misura ampiamente utilizzata in
ecologia ed in genere ritenuta più appropriata per rappresentare variabili biologiche
rispetto alle misure di distanza Euclidea, su cui si basano altri metodi multivariati
anch’essi di uso comune nelle indagini ecologiche, come l’analisi delle compo-
nenti principali (PCA) e l’analisi delle corrispondenze canoniche (CCA) (Legendre
e Legendre, 1998). È da notare, tuttavia, che esistono molti indici di similarità/
dissimilarità potenzialmente utili per gli ecologi, oltre a quello di Bray-Curtis e alle
misure di distanza Euclidea (Legendre e Legendre, 1988), ma si tratta di alternative
poco esplorate al momento.
Pur rimanendo validi i criteri logici di cui sopra, la tecnica di ordinamento
nMDS, a differenza dell’analisi della varianza, può essere applicata a disegni
non bilanciati (diverso numero di unità di campionamento per trattamento) e non
richiede l’assunzione di normalità. La procedura, tuttavia, non permette l’analisi
formale di ipotesi, ma solo una rappresentazione grafica delle similarità (o dissi-
milarità) tra campioni in uno spazio bidimensionale. La trasformazione dei dati ha
qui un significato diverso rispetto al valore che assume nel caso dell’analisi della
varianza.
Nelle procedure univariate i dati sono trasformati per assecondare le assunzioni
di normalità e di omogeneità delle varianze. La procedura di ordinamento nMDS
non ha queste assunzioni e la trasformazione dei dati ha lo scopo di ridurre il peso
delle specie numericamente molto abbondanti rispetto alle specie rare. Vi è dunque
una ragione ecologica e non statistica che può far decidere di analizzare dati tra-
sformati anziché i dati originari.
Se è possibile rappresentare in uno spazio bidimensionale dati di natura multiva-
riata provenienti da disegni di campionamento complessi quali quelli necessari per
una corretta analisi di impatto antropico, più difficile è eseguire un’analisi formale
di ipotesi multivariate su tali dati. L’ANOSIM (si veda il Cap. 13) è una procedura
che permette l’analisi di ipotesi multivariate limitatamente ad uno o a due fattori.
Pur rappresentando un metodo di analisi molto utile in molti studi ecologici, tale
procedura non permette tuttavia la scomposizione della variabilità attraverso le varie
sorgenti di cui è composto un disegno sperimentale (o di campionamento) complesso
e non permette di analizzare interazioni tra fattori in un contesto multivariato (Clarke,
1993). Di conseguenza, per disegni sperimentali elaborati, è necessario condurre ana-
lisi separate per ciascuna delle ipotesi in esame, comparando il sito disturbato ed i
controlli separatamente per le date del periodo prima e per le date del periodo dopo.
La valutazione di impatto sarà quindi basata su un confronto qualitativo dei risultati
ottenuti dalle diverse analisi.
Tra le varie tecniche di analisi multivariata disponibili, quella che a nostro parere
sembra avere le maggiori potenzialità di applicazione in studi di impatto basati su
disegni complessi è la NPMANOVA (Anderson, 2001). Questa procedura, presentata
brevemente nel Cap. 13, è in grado di ripartire la variabilità algebrica in base alle
diverse sorgenti incluse nello studio e può quindi essere applicata a disegni BACI
evoluti permettendo l’analisi di ipotesi analoghe a quelle rappresentate in Tab. 4, ma
in un contesto multivariato. La mancanza di software commerciale preclude per il
momento l’impiego diffuso di questa procedura, ma le potenzialità di sviluppo sono
considerevoli.
Metodi sperimentali per la valutazione di influenze antropiche su popolamenti ed ambienti marini costieri 493
Fig. 3 - Campionamento multiscala effettuato in maggio 2000 lungo circa 400 km di coste del Mare Nord Adria-
tico (da Airoldi et al. dati non pubblicati). Gli scopi della ricerca erano: 1) caratterizzare la composizione
e la struttura dei popolamenti intermareali associati ad opere di difesa costiere in quell’area e 2) identi-
ficare le principali scale di discontinuità nella distribuzione delle specie dominanti. Il campionamento è
stato effettuato in 8 località indicate dalle frecce nella figura. In ciascuna località il campionamento è stato
effettuato su 4 strutture di difesa scelte casualmente (strutture). Per ciascuna struttura sono stati effettuati
10 campionamenti in quadrati di 20 x 20 cm localizzati casualmente sul lato a mare delle strutture. In
ciascun quadrato l’abbondanza delle specie sessili dominanti è stata stimata mediante il metodo visivo.
Metodi sperimentali per la valutazione di influenze antropiche su popolamenti ed ambienti marini costieri 497
popolamenti delle strutture artificiali va dedicata maggiore attenzione alla scelta delle
dimensioni dell’unità di campionamento, in quanto queste risentono delle dimensioni
e delle caratteristiche della struttura stessa. In un recente studio effettuato lungo le
coste del Nord Adriatico, ad esempio, sono state utilizzate analisi costi-benefici per
individuare le dimensioni ottimali dell’unità di campionamento. I risultati hanno sug-
gerito che i quadrati di 50 x 50 cm erano le unità di campionamento più efficienti
seguite dai quadrati di 20 x 20 cm. Tuttavia, poiché i quadrati di 50 x 50 cm erano
spesso di dimensioni maggiori degli stessi massi utilizzati per costruire le strutture 20
frangiflutto in quell’area, i quadrati di 20 x 20 cm sono stati quelli di fatto utilizzati
nel programma di campionamento.
Tab.
Tab. 2.
2 -Esempio
Esempiodidianalisi
analisidella
dellavarianza
varianzaperperlolostudio
studiodella
dellavariabilità
variabilitàa molteplici
a moltepliciscale spaziali
scale spazialiillustrato
illustratoin in
Fig. 3.
Fig.
Le scale 3.coperte dallo
Le scale studiodallo
coperte erano: 1) piccola
studio erano: 1) (dapiccola
1 a 30(dam) 1corrispondente alla distanza
a 30 m) corrispondente alla tra repliche
distanza tra su ciascuna
repliche su
struttura, ciascuna
2) mediastruttura,
(da alcune decine
2) media (daadalcune
alcune centinaia
decine di metri)
ad alcune corrispondente
centinaia alla distanza alla
di metri) corrispondente tra distanza
strutture tra
in
ciascuna strutture
località ein3)ciascuna
grande località
(da decinee 3)a grande
centinaia(dadidecine
chilometri) corrispondenti
a centinaia alla distanza
di chilometri) tra diverse
corrispondenti località.
alla distanza
Lesempio traqui illustrato
diverse riguarda
località. i dati qui
L’esempio di ricoprimento percentuale
illustrato riguarda Enteromorphapercentuale
di ricoprimento
i dati di intestinalis.diIEnteromorpha
fattori inclusi
nellanalisi sono: Località
intestinalis. (8 inclusi
I fattori località,nell’analisi
random) e sono:
Struttura (4 strutture,
Località random,
(8 località, nested
random) in Località).
e Struttura Le località
(4 strutture, sono
random,
codificatenested
comeininLocalità).
Fig. 1. ns Le =località
non-significativo,
sono codificate ***come
= p<0,001.
in Fig. 3.I ns
dati sono stati trasformati
= non-significativo, *** =utilizzando
p<0,001. I datiuna
trasformazione angolare.
sono stati Dopo utilizzando
trasformati lanalisi, le una
medie dei gruppi sono
trasformazione state confrontate
angolare. a posteriori
Dopo l’analisi, le medieutilizzando
dei gruppi il test di
sono
Ryan. state confrontate a posteriori utilizzando il test di Ryan.
SI_N
SI_A
Fig. 4 - Plot risultante dall’analisi delle coor-
GA_N
dinate principali (MDS metrico) che
GA_A mostra i centroidi delle aree campionate
NU_N su strutture di difesa costiere (indicate
NU_A con la lettera A) e su substrati rocciosi
naturali (indicati con la lettera N) in
3 diverse località del Nord Adriatico
(SI = Sistiana, GA = Gabicce e NU =
Numana). Sono evidenti differenze tra i
popolamenti associati ad opere di difesa
costiere ed i popolamenti associati a
substrati rocciosi naturali e un’ampia
variabilità tra località.
Tab. 4. Esempio di analisi per il confronto di unarea protetta (identificata come I in analogia alla Tab. 1) con
Tab. 4 - Esempio di analisi per il confronto di un’area protetta (identificata come I in analogia alla Tab. 1) con a - 1
a - 1 aree di controllo (Cs); t = numero di date di campionamento, a = numero di aree (inclusa larea protetta),
aree di controllo (Cs); t = numero di date di campionamento, a = numero di aree (inclusa l’area protetta),
s = numero di siti in ciascunarea, n = numero di unità di campionamento.
S = numero di siti in ciascun’area, n = numero di unità di campionamento.
di risorse viene spesso addotta come giustificazione per la inadeguatezza dei disegni
di campionamento rilevabile in numerose indagini. È opportuno notare che uno studio
inadeguato non potrà mai fornire una risposta logicamente accettabile, quindi difendi-
bile, al problema in esame. Il caso dello studio di impatto dovuto allo sversamento di
greggio sulle coste dell’Alaska da parte della Exxon Valdez rappresenta un esempio
eclatante (Paine et al., 1996). In assenza di finanziamenti adeguati per garantire i
requisiti logici minimi di un corretto disegno di campionamento può essere preferibile
non condurre alcuna indagine, in quanto ciò rappresenterebbe un inutile dispendio
di risorse. Non ci sono considerazioni a posteriori né sofisticazioni analitiche tali da
poter sopperire alla carenza nella struttura logica di un disegno di campionamento.
Esistono, invece, considerazioni logistiche che possono limitare l’efficacia di uno
studio in principio ben progettato. Nelle applicazioni reali può essere difficile identi-
ficare opportune condizioni di riferimento oppure possono mancare i dati antecedenti
alla insorgenza di un particolare intervento antropico. Ciò condiziona fortemente la
possibilità di identificare relazioni di causa-effetto tra variabili misurate ed interventi
antropici, siano essi potenziali cause di impatto oppure interventi di mitigazione o di
protezione mediante AMP.
Una possibile alternativa è quella di impostare programmi di studio a lungo ter-
mine in ambienti chiave, come discusso in precedenza. Si tratta di attivare programmi
di monitoraggio sperimentale, caratterizzati da ipotesi chiare ed esplicite e da una
struttura logica coerente che definisce in anticipo le modalità di acquisizione, di uti-
lizzo e di interpretazione dei dati. L’obiettivo di questo genere di programmi è quello
di ottenere stime di variabilità delle popolazioni esaminate a molteplici scale spaziali
e temporali in ambienti diversi ed in assenza di particolari sorgenti di disturbo antro-
pico. Ciò risolverebbe i problemi connessi con la cronica assenza di dati relativi alla
condizione antecedente l’insorgenza di un disturbo antropico, aumentando la possi-
bilità di identificare relazioni causa-effetto tra disturbo e risposta delle popolazioni
naturali.
Una obiezione che viene spesso mossa agli studi comparativi per l’identificazione
di impatto è che in natura non esistono siti totalmente esenti da influenze antropiche.
In altre parole non sarebbe possibile identificare controlli appropriati per la valuta-
zione di impatto. Questo argomento è poco sostenibile, pur essendo vero che la mag-
gior parte, se non la totalità degli ambienti naturali è esposta ad una qualche forma
di perturbazione antropica. In uno studio di impatto i controlli devono essere sele-
zionati in modo da rappresentare gli stessi popolamenti dell’area disturbata ed essere
sufficientemente lontani da questa in modo da non risentire della particolare sorgente
di disturbo in esame. Qualora lo studio riguardi l’effetto di uno scarico urbano (es.
Terlizzi et al., 2002), per fare un esempio concreto, l’ipotesi riguarda lo scarico e non
altre sorgenti di disturbo. Tale ipotesi può essere esaminata comparando il sito espo-
sto allo scarico con altri siti analoghi non esposti, anche se nell’intera area di studio
vi sono altre possibili cause di impatto che influenzano sia il sito disturbato che i
controlli. Le stesse considerazioni possono essere applicate nel caso in cui lo studio
non venga condotto su popolamenti di substrato duro, ma in un’area con caratteristi-
che diverse e popolamenti di fondo molle in cui l’impatto sia invece rappresentato
da una centrale termoelettrica (Lardicci et al., 1999). In altre parole, l’obiettivo non
è quello di identificare dei siti di controllo “assoluti”, nel senso di aree totalmente
esenti da effetti antropici, si tratta piuttosto di individuare siti che non siano influen-
zati dalla particolare forma di disturbo in esame, lo scarico urbano o la centrale
Metodi sperimentali per la valutazione di influenze antropiche su popolamenti ed ambienti marini costieri 505
termoelettrica negli esempi sopra descritti. La condizione che altri processi, naturali
o di origine antropica, siano rappresentati sia nell’area disturbata che nei controlli, è
conseguente all’utilizzo di procedure di randomizzazione nella selezione dei controlli
e dal loro numero. Incrementare il numero dei controlli aumenta la precisione con
cui la variabilità naturale in assenza di uno specifico disturbo antropico viene stimata.
L’insieme dei controlli diventa così rappresentativo anche del sito disturbato se la
specifica fonte di disturbo in esame non causa alcun impatto.
Vi sono, tuttavia, dubbi legittimi sul fatto che un insieme di siti, per quanto
oculatamente e formalmente individuati, possa effettivamente rappresentare controlli
appropriati nelle indagini di impatto (Stewart-Oaten e Bence, 2001). La natura pro-
babilistica delle procedure analitiche descritte in questo articolo, infatti, richiede che i
trattamenti messi a confronto (controlli verso disturbato) siano una particolare realiz-
zazione estratta da un numero teoricamente infinito di possibili comparazioni. Ciò è
sostanzialmente vero per i controlli, dato che nella maggior parte dei casi reali è pos-
sibile identificare una popolazione di siti di controllo ed estrarne un numero adeguato
da includere nello studio. Ciò non è tuttavia vero per il sito disturbato. L’ubicazione
di uno scarico urbano o industriale, di un porto turistico o di altre sorgenti di disturbo
non è mai casuale, ma deve rispondere a considerazioni di tipo logistico, economico
e sociale. Ne consegue che i controlli non sono necessariamente rappresentativi del-
l’insieme delle condizioni che hanno determinato la scelta dell’area disturbata. La
selezione dei potenziali siti di controllo dovrebbe essere condotta utilizzando gli stessi
criteri che hanno guidato la scelta di dove ubicare l’area soggetta a disturbo. In altre
parole, i controlli dovrebbero avere le stesse caratteristiche che hanno determinato
la realizzazione dell’intervento antropico nell’area disturbata. Solo in questo modo è
possibile garantire che anche l’area disturbata, in assenza di impatto, appartiene alla
stessa distribuzione di frequenza di aree da cui provengono i controlli.
Quantificare gli effetti delle molteplici influenze che le attività umane hanno
sull’ambiente è un imperativo per preservare gli ambienti naturali, i processi che vi
operano e gli organismi che ne sono parte. Ciò richiede una considerevole attenzione
alle procedure logiche, metodologiche ed analitiche impiegate. Non esistono soluzioni
universali ai vari problemi connessi con la identificazione di influenze antropiche, ma
la coerenza logica ed il rigore metodologico sono requisiti essenziali per garantire il
progresso in questa direzione. Sulle problematiche ambientali si gioca la credibilità
dell’ecologia come scienza socialmente utile (Underwood, 1995). È solo implemen-
tando il rigore metodologico e la natura quantitativa di questa disciplina che gli eco-
logi potranno assumere un ruolo decisionale più incisivo nel settore della gestione
ambientale.
14.7 Bibliografia
AIROLDI L. (2001) - Distribution and morphological variation of low-shore algal turfs. Mar. Biol.,
138: 1233-1239.
ALLISON G.W., LUBCHENCO J., CARR M.H. (1998) - Marine reserves are necessary but not
sufficient for marine conservation. Ecol. Appl., 8: 79-92.
ANDERSON M.J. (2001) - A new method for non-parametric multivariate analysis of variance.
Aust. J. Ecol., 26: 32-46.
ANDREW N.L., MAPSTON B.D. (1987) - Sampling and the description of spatial pattern in marine
ecology. Oceanogr. Mar. Biol. Ann. Rev., 25: 39-90.
BACCHIOCCHI F., AIROLDI L. (2003) - Distribution and dynamics of epibiota on hard structures
for coastal protection. Estuar. Coast. Shelf Sci. 56: 1157-1166.
506 L. BENEDETTI-CECCHI, L. AIROLDI, S. FRASCHETTI, A. TERLIZZI
GLASBY T.M., CONNELL S.D. (1999) - Urban structures as marine habitats. Ambio, 28: 595-
598.
GLASBY T.M., UNDERWOOD A.J. (1998) - Determining position for control locations in environ-
mental studies of estuarine marinas. Mar. Ecol. Prog. Ser., 171: 1-14.
GREEN R.H. (1979) - Sampling design and statistical methods for environmental biologists. Wiley
Interscience, Chichester: 257 pp.
GREEN R.H. (1993) - Application of repeated measures designs in environmental impact and moni-
toring studies. Aust. J. Ecol., 18: 81-98.
GUIDETTI P. (2002) - The importance of experimental design in detecting the effects of protection
measures on fish in Mediterranean MPAs. Aquat. Conserv. Mar. Fresh. Ecosyst, 12: 619-634..
HISCOCK K. (1987) - Subtidal rock and shallow sediments using diving. In: Baker J.M., Wolf
W.J. (eds), Biological surveys of estuarines and coasts, Cambridge University Press, Cambridge:
198-237.
HURLBERT S.J. (1990) - Spatial distribution of the montane unicorn. Oikos, 58: 257-271.
IDROSER (1996) - Progetto di piano per la difesa del mare e la riqualificazione ambientale del
litorale della regione Emilia-Romagna. Relazione generale. Regione Emilia-Romagna, Bologna.
LARDICCI, F., ROSSI F., MALTAGLIATI F. (1999) - Detection of thermal pollution: variability
of benthic communities at two different spatial scales in an area influenced by a coastal power
station. Mar. Poll. Bull., 38: 296-303.
LASIAK T. (1999) - The putative impact of exploitation on rocky infratidal macrofaunal assem-
blage: a multiple-area comparison. J. Mar. Biol. Ass. U.K., 79: 23-34.
LEGENDRE P., LEGENDRE L. (1998) - Numerical ecology. Second English edition. Elsevier
Science, Amsterdam: 853 pp.
LEVIN S.A. (1992) - The problem of pattern and scale in ecology. Ecology, 73: 1943-1967.
MENGE B.A., OLSON A.M. (1990) - Role of scale and environmental factors in regulation of
community structure. Trends Ecol. Evol., 5: 52-57.
PAGE H.M., DUGAN J.E., DUGAN D.S., RICHARDS J.B., HUBBARD D.M. (1999) - Effects
of an offshore oil platform on the distribution and abundance of commercially important crab
species. Mar. Ecol. Prog. Ser., 185: 47-57.
PAINE R.T., RUESINK J.L., SUN A., SOULANILLE E.L, WONHAM M.J., HARLEY C.D.G.,
BRUMBAUGH D.R., SECORD D.L. (1996) - Trouble on oiled waters: lessons from the Exxon
Valdez oill spill. Annu. Rev. Ecol. Syst., 27: 197-235.
PETERSON, C.H. (1993) - Improvement of environmental impact analysis by application of prin-
ciples derived from manipulative ecology: lessons from coastal marine case histories. Aust. J.
Ecol., 18: 21-52.
PICKERING H., WHITMARSH D., JENSEN A. (1998) - Artificial reefs as a tool to aid rehabilita-
tion of coastal ecosystems: investigating the potential. Mar. Poll. Bull., 37: 505-514.
RELINI G., TIXI F., RELINI M., TORCHIA G. (1998) - The macrofouling on offshore platforms
at Ravenna. Int. Biodeterior. Biodegrad., 41: 41-55.
ROBERTS D.E., FITZHENRY S.R., KENNELLY S.J. (1994) - Quantifying subtidal macrobenthic
assemblages on hard substrata using a jump camera method. J. Exp. Mar. Biol. Ecol., 177: 157-
170.
SCHNEIDER D.C. (1994) - Quantitative ecology: spatial and temporal scaling. Academic Press,
San Diego: 395 pp.
STEWART-OATEN A., BENCE J.R. (2001) - Temporal and spatial variation in environmental
impact assessment. Ecol. Monogr., 71: 305-339.
STEWART-OATEN A., MURDOCH W.W., PARKER K.R. (1986) - Environmental impact assess-
ment: “pseudoreplication” in time? Ecology, 67: 929-940.
STEWART-OATEN A., BENCE J.R., OSENBERG C.W. (1992) - Assessing effects of unreplicated
perturbations - no simple solutions. Ecology, 73: 1396-1404.
TURNER C.H., EBERT E.E., GIVEN R.R. (1969) - Manmade reef ecology. California Department
of Fish and Game, Fish Bulletin, 146: 1-221.
TERLIZZI A., FRASCHETTI S., GUIDETTI P., BOERO F. (2002) - The effects of sewage dis-
charge on shallow hard bottom sessile assemblage. Mar. Poll. Bull., 44: 544-550.
508 L. BENEDETTI-CECCHI, L. AIROLDI, S. FRASCHETTI, A. TERLIZZI
UNDERWOOD A.J. (1991) - Beyond BACI: experimental designs for detecting human impacts on
temporal variations in natural populations. Aust. J. Mar. Fresh. Res., 42: 569-587.
UNDERWOOD, A.J. (1992) - Beyond BACI: the detection of environmental impacts on populations
in the real, but variable, world. J. Exp. Mar. Biol.Ecol., 161: 145-178.
UNDERWOOD A.J. (1993) - The mechanism of spatially replicated sampling programmes to detect
environmental impacts in a variable world. Aust. J. Ecol., 18: 99-116.
UNDERWOOD A.J. (1995) - Ecological research and (and research into) environmental manage-
ment. Ecol. Appl., 5: 232-247.
UNDERWOOD A.J. (1997) - Experiments in ecology. Their logical design and interpretation using
analysis of variance. Cambridge University Press, Cambridge: 504 pp.
UNDERWOOD A.J., CHAPMAN M.G. (1996) - Scales of spatial patterns of distribution of interti-
dal invertebrates. Oecologia, 107: 212-224.
WARWICK R.M. (1993) - Environmental impact studies on marine communities: pragmatical con-
siderations. Aust. J. Ecol., 18: 63-80.
WIENS J.A., PARKER K.P. (1995) - Analyzing the effects of accidental environmental impacts:
approaches and assumptions. Ecol. Appl., 5: 1069-1083.
WIENS J.A., STENSETH N.C., VAN HORNE B., IMS R.A. (1993) - Ecological mechanisms and
landscape ecology. Oikos, 66: 369-380.
WINER B.J., BROWN D.R., MICHELS K.M. (1991) - Statistical principles in experimental design.
Third edition, McGraw-Hill, New York: 1057 pp.
WU J., LOUCKS O.L. (1995) - From balance of nature to hierarchical patch dynamics: a paradigm
shift in ecology. Q. Rev. Biol., 70: 439-466.