• Prov. of Pisa
• wildlife management
• risk prediction
• MaxEnt
• buffer
• territorial layers
• QGIS
• estimate
• damage
• crops
• fauna
• Wild boar
• Prov. Pisa
• gestione faunistica
• previsione del rischio
• MaxEnt
• buffer
• strati territoriali
• QGIS
• stima
• danno
• colture
• fauna
• cinghiale

Lo scopo del lavoro è stato quello di ampliare le conoscenze sui danni da fauna selvatica alle coltivazioni agricole, inquadrando quelle che sono le procedure di presentazione delle istanze e accertamento del danno, le principali tipologie di danno e le colture spesso coinvolte. Oltre a questo sono stati analizzati ed elaborati i dati provenienti dai danni da fauna selvatica in campo agronomico, della Provincia di Pisa negli anni 2007, 2010, 2013, 2016, 2019, relazionandoli con alcune variabili tra cui gli strati territoriali, gli istituti, faunistici pubblici e privati. Con tali dati è stato possibile creare un modello predittivo di potenziali zone a rischio danno. Tale modello restituisce dei risultati in base a dati pregressi. I dati analizzati sono stati presi in parte sul campo durante il tirocinio e in parte da file collezionati dai professionisti, negli anni di lavoro come tecnici incaricati dagli ATC 14 e 15 della Provincia di Pisa.
Dall’analisi statistica dei dati è emerso come nella Provincia, il cinghiale sia di gran lunga la specie maggiormente impattante sulle colture agrarie, sia in termini di quintali di prodotto, sia in termini di indennizzi. Le colture che più vengono danneggiate sono i cereali autunno-vernini, anche per la predisposizione territoriale alla loro coltivazione. Inoltre è stato possibile osservare come le cifre pervenute dalle richieste degli agricoltori siano nettamente superiori agli effettivi danni stimati in campo dai tecnici incaricati.
Dall’analisi territoriale e quella predittiva di rischio è emerso come zone boscate, aree protette ed istituti, di qualsiasi natura essi siano, possano creare zone di rifugio per il cinghiale, nel periodo dell’attività venatoria, creando degli squilibri ambientali (destrutturazioni di popolazione e densità animali non omogenee) che si materializzano in danni all’agricoltura concentrati nelle fasce di territorio limitrofe.
Anche la validazione del modello restituisce una cartografia nella quale si evince come i danni futuri (nel nostro caso i danni del 2019) ricadano per una percentuale molto alta, all’interno delle zone considerate a medio/alto rischio rispetto a quelle di basso rischio.
Il modello predittivo, fornisce dati e immagini intuitive, fondamentali per la realizzazione di eventuali opere di prevenzione danni da attuare in campo e possibile gestione faunistica (valutazione e creazione di nuovi istituti faunistici per esempio).


The purpose of the work was to extend the knowledge on wildlife damage to agricultural crops, focusing on the procedures for submitting requests and assessing the damage, the main types of damage and the crops more often involved. In addition to this, data about damage from wildlife in the agronomic field in the Province of Pisa in the years 2007, 2010, 2013, 2016, 2019 were analysed and processed, relating them to variables like territorial layers, faunal public and private institutes. Thanks to this data it was possible to create a predictive model of potential damage risk areas. This model returns results based on previous data. The examined data were partly taken in the filed during the internship and partly from files collected by professional technicians during their work commissioned by the ATC 14 and 15 of the Province of Pisa. From the statistical analysis of data, it emerged that in the Province of Pisa wild boar is by far the species with the greatest impact on agricultural crops, both in terms of quintals of product and in terms of compensation. The crops mostly damaged are autumn-winter cereals, also due to the territorial predisposition of their cultivation. It was also possible to observe how the figures received from the farmers’ requests are clearly higher than the actual damages estimated by the technicians in the field. From the territorial and predictive risk analysis it emerged how wooded regions, protected zones and institutes of whatever nature, can create refuge areas for wild boars, during hunting season, creating environmental unbalance (deconstruction of the population and non-homogenous animal densities) which materialize in agriculture damage concentrated in the surrounding areas of the territory. The validation of the model also returns a cartography which shows how future damages (in this case the damages of 2019) fall for a very hight percentage, within the areas considered at medium/high risk compared to those of low risk. The predictive model provides intuitive data and images, essential for the realization of any damage prevention works to be implemented in the field and possible wildlife management (evaluation and creation of new wildlife institutes for instance).