Il servizio SLAM. I prodotti SLAM

Transcript

1 Il servizio SLAM Manuale dei prodotti SLAM I prodotti SLAM Mappatura degli eventi franosi Monitoraggio dei movimenti franosi Mappatura della suscettibilità di frana Guida al tool di integrazione GIS

2 Pagina 2

3 Il servizio SLAM Pagina 3 Sommario Struttura del Servizio SLAM 4 Mappatura degli eventi franosi 6 Monitoraggio dei movimenti franosi 14 Mappa di suscettibilità da frana 19 Tool di integrazione GIS 30 Esempi di utilizzo 30 Tecnica dei diffusori permanenti 44 Glossario 46 Bibliografia 50

4 Pagina 4 La struttura del servizio SLAM Il servizio SLAM offre tre tipologie di prodotto per la gestione del rischio idrogeologico come risultato dell integrazione delle metodologie tradizionali con i dati dell osservazione da satellite. 1. Mappatura degli eventi franosi: aggiornamento o creazione su larga scala (1:25.000) dell inventario degli eventi franosi. 2. Monitoraggio degli eventi franosi: analisi geomorfologica a scala di dettaglio di un area interessata da dissesto (scala 1: :10.000). 3. Carta della suscettibilità da frana: zonazione dell area d interesse a media scala (scala 1:10.000) secondo diversi livelli di suscettibilità da frana. In particolare il servizio prevede una serie di passaggi successivi a partire dall ordinazione del prodotto, passando attraverso il processamento dei dati e l interpretazione geologica, per finire con la validazione del prodotto finale. La consegna del prodotto finale viene sempre seguita da una valutazione della qualità che vede coinvolti gli utenti finali al fine di verificare il livello di soddisfazione dei requisiti. vista del satellite. I dati ottici (es. immagini IKONOS, SPOT) vengono processati al fine di estrarre informazioni utili a ricostruire l assetto geomorfologico del territorio. 3. Interpretazione geologica e produzione cartografica. Un team di geologi esperti sviluppa in ambiente GIS l analisi geomorfologica e l interpretazione dei risultati provenienti dal processamento dei dati in input. Quest analisi consiste nell integrazione di dati da satellite con informazioni geologiche e cartografiche quali la carta d inventario delle frane in uso presso l utenza, dati di monitoraggio in situ e dati storici (database AVI, SCAI ed IFFI). Il risultato di tale analisi consiste nello sviluppo delle tre tipologie di prodotto SLAM. 4. Validazione. La verifica dell accuratezza delle informazioni prodotte dal servizio SLAM viene affidata a rilievi sul campo effettuati su aree campione. 5. Consegna del prodotto e qualificazione. Il prodotto viene consegnato all utente finale su CDRom o via FTP. Dopo la consegna del prodotto è prevista una fase in cui l utente esprime una valutazione tecnica delle caratteristiche del prodotto consegnato. 1. Ordinazione del prodotto e acquisizione dati. L utente può richiedere una delle tre tipologie di prodotto specificando i limiti amministrativi dell area d interesse e il periodo di osservazione su cui focalizzare l analisi. I dati cartografici in uso presso l utente, ove possibile, vengono resi disponibili al consorzio come dati ausiliari. Previa analisi di fattibilà dell ordine, parte l acquisizione dei dati. 2. Processamento dei dati in input. I dati radar vengono analizzati con la tecnica dei diffusori permanenti (PS) per costruire il database con le misurazioni millimetriche degli spostamenti lungo la direzione di Schema della struttura del servizio SLAM

5 Il servizio SLAM Pagina 5 Struttura dei prodotti SLAM Il servizio SLAM fornisce all utente un prodotto complesso costituito da due componenti principali: 1. Componente base: Insieme dei punti misura rilevati nell area di interesse grazie alla tecnica dei diffusori permanenti (PS) con i dati relativi agli spostamenti millimetrici lungo la congiungente satellite-bersaglio per tutto il periodo di osservazione. 2. Componente interpretata: cartografia in formato Esri Shapefile e report tecnici risultato di un analisi integrata della componente base con i dati ottici (immagini satellitari IKONOS e SPOT), dati in-situ (inclinometri, piezometri) e dati ancillari (carta delle pendenze, carta litologica, geomorfologica, uso del suolo, etc.). 1. Mappatura degli eventi franosi Contenuto informativo - Velocità medie annue degli spostamenti rilevati sui PS (mm/anno) - Mappa degli eventi franosi su scala regionale (vaste aree) Periodo di osservazione - a partire dal 1992 Accuratezza velocità accurate fino a 0,1 mm/anno Risoluzione spaziale 1:25000 Sistema di riferimento Formato dei dati - PS secondo il sistema World Geographic Reference System - Mappa degli eventi franosi: su richiesta dell utente - Misure dei PS in formato DBF - Carta dei corpi franosi in formato Esri Shapefile e cartaceo 2. Monitoraggio dei movimenti franosi Le specifiche tecniche Contenuto informativo - Serie temporali degli spostamenti rilevati dai PS (mm/anno) - Mappa degli eventi franosi su scala di dettaglio (aree ristrette) - Report monografico delle aree in frana analizzate Periodo di osservazione - a partire dal 1992 Accuratezza velocità accurate fino a 0,1 mm/anno Risoluzione spaziale da 1:5.000 a 1: Nelle tabelle a sinistra sono schematicamente illustrate le specifiche tecniche dei prodotti SLAM. Sistema di riferimento Formato dei dati - PS secondo il sistema World Geographic Reference System - Mappa degli eventi franosi: su richiesta dell utente - Misure dei PS in formato DBF - Carta dei corpi franosi in formato Esri Shapefile - Report monografico delle frana analizzata formato cartaceo/digitale 3. Mappatura della suscettibilità di frana Contenuto informativo - Carta di suscettibilità di frana - Carta di previsione temporale di pericolosità (solo per aree in frana) Risoluzione spaziale da 1: a 1:25000 Sistema di riferimento Formato dei dati su richiesta dell utente formato Esri Shapefile e cartaceo

6 Pagina 6 Tipo 1 - Mappatura degli eventi franosi Il servizio prevede l aggiornamento o la creazione su vasta scala della carta inventario degli eventi franosi. La necessità di effettuare un controllo a vasta scala sulla presenza di movimenti di versante trae beneficio dall utilizzo dei dati satellitari provenienti dall analisi PS. La tecnica utilizza come sorgenti di dati i sistemi radar satellitari ad apertura sintetica (Synthetic Aperture Radar,SAR) ed in particolare i sensori di tipo SAR montati sui satelliti ERS1 ad ERS2 dell Agenzia Spaziale Europea. I dati ERS vengono analizzati con la tecnica dei Diffusori Permanenti (PS,Permanent Scatterers), basata sull osservazione di un piccolo sottoinsieme di bersagli radar, costituito tipicamente da parti di edifici, strutture metalliche, rocce esposte, elementi per i quali le caratteristiche elettromagnetiche non variano sensibilmente di acquisizione in acquisizione. La possibilità di coprire grandi estensioni spaziali con una singola immagine radar monitorando con una frequenza di acquisizione mensile le deformazioni del terreno, permette di rilevare la presenza di frane a cinematica lenta (fino ad alcuni cm/anno) o movimenti precursori relativi a fenomeni ad evoluzione più rapida. La metodologia necessaria per tale attività prevede l integrazione delle misure di deformazione dei PS con dati cartografici di base e con l utilizzo di foto aeree o immagini da satellite ad alta risoluzione (per es. SPOT, Ikonos) al fine di dare un significato geologico ai movimenti puntuali misurati da satellite. In primo luogo si valuta se in corrispondenza di PS in movimento esistano le condizioni morfologiche e vegetative per la presenza di un fenomeno franoso (scarpate, terrazzi, curvature anomale delle curve di livello, anomalie nella copertura vegetale rispetto al contorno, ecc.). L analisi, quindi, mira a delineare l area interessata potenzialmente dai movimenti e la geometria degli stessi, risalendo ad una probabile direzione di movimento. A supporto di tale analisi vengono impiegati, oltre alle suddette basi topografiche e foto aeree, una serie di tematismi utili per una migliore interpretazione dei dati di deformazione. Tra questi di annovera il modello digitale del terreno, per la proiezione 3D delle foto aeree, carte delle pendenze e dell esposizione dei versanti, desunte dal modello digitale del terreno e carte inventario del dissesto. Al fine di gestire in un modo semplice e rapido questi dati vengono elaborati in ambiente GIS. Tale piattaforma informatica permette infatti di gestire, elaborare ed archiviare contemporaneamente dati digitali sia in formato raster che in formato vettoriale, garantendo la massima flessibilità in termini di sistema geografico di riferimento. Dati di input Vengono riportati di seguito le categorie di dati necessari, compresi i PS, per un analisi dei fenomeni franosi a vasta scala. Chiaramente il buon esito dell analisi è funzione anche della qualità di questi dati, in termini ad esempio di scala spaziale delle carte topografiche e delle foto aeree, risoluzione del DTM e data di acquisizione delle foto aeree rispetto al tempo dell analisi. Standard Permanent Scatterers Analysis (SPSA) Foto aeree ed immagini da satellite Modelli Digitali del Terreno (DTM) Carte topografiche di base Carte inventario aree in frana

7 Pagina 7 Standard Permanent Scatterers Analysis (SPSA) Questo tipo di analisi permette di identificare elementi riflettenti presenti sul terreno, i Permanent Scatterers, la cui velocità media annuale dell intervallo di tempo analizzato viene quindi stimata attraverso una procedura automatica, che permette di processare una grande quantità di dati in un breve intervallo temporale. La procedura di elaborazione ipotizza un modello lineare di deformazione nel tempo, fornendo misure di velocità lineare. Le informazioni ottenibili con questo tipo di dato, che grazie all automatismo dell elaborazione che lo produce e all ottimizzazione dei tempi di calcolo, bene si presta ad essere applicato per analisi su vaste aree, riguardano prevalentemente la quantificazione dei tassi di deformazione di aree instabili già conosciute e l eventuale variazione dei limiti di tali aree e l identificazione di nuove aree in frana con la conseguente quantificazione dei tassi di deformazione. I dataset di analisi standard dei PS utilizzabili sono normalmente riferibili a due periodi: un dataset a lungo periodo (ad es. 10 anni) ed uno a breve relativo alle acquisizioni più recenti (ultime 20 acquisizioni SAR). L utilizzo di 2 dataset permetterà di effettuare delle valutazioni sullo stato di attività dei fenomeni franosi, distinguendo tra frane inattive (stabili nel lungo e nel breve periodo), quiescenti (stabili nel breve periodo, ma non nelle ultime acquisizioni) ed attive (sempre instabile). Foto aeree ed immagini da satellite L utilizzo delle foto aeree in configurazione stereoscopica o monoscopica per la mappatura delle frane è ormai uno strumento operativo di routine. Affiancare ai dati PS l analisi di foto aeree di dettaglio (1:15.000/1:5.000) permette di estendere spazialmente l informazione puntuale dei capisaldi radar. L utilizzo in configurazione stereoscopica e, in parte anche la proiezione su DTM, permette infatti di evidenziare le geometrie di eventuali corpi di frana. In aggiunta, le valutazioni delle condizioni della copertura vegetale rispetto al contorno possono essere degli indicatori di movimento. In questa ottica risulta interessante anche l utilizzo di foto aeree monoscopiche multi-temporali, acquisite cioè a distanza di qualche anno l una dall altra. Modelli Digitali del Terreno (DTM) I modelli digitali del terreno con una buona risoluzione (10-20 m di dimensione della cella) possono essere utili in varie fasi dell analisi. Possono essere utilizzati per calcolare mappe di pendenza (slope) e di esposizione (aspect) e curvature dei versanti da sovrapporre ai dati PS come supporto all analisi. Tali carte, facilmente realizzabili in ambiente GIS, a partire dal DTM, sono utili nelle fasi interpretative per risalire alla direzione di movimento. Un ulteriore utilizzo è quello legato alla creazione di immagini così chiamate di shaded relief, ossia immagini della topografie con falsa illuminazione del sole che genera ombre, utile a mettere in risalto le geometrie dei corpi di frana. Infine i DTM vengono utilizzati nell analisi per proiettare le foto aree, ottenendo un falso 3D, sostitutivo nella fotointerpretazione dell analisi stereoscopica. Carte topografiche di base Oltre che come base sulla quale visualizzare i PS, carte topografiche a scala sufficientemente grande (1:10.000/1:5.000, ad es. le Carte Tecniche Regionali-CTR) permettono di valutare eventuali curvature planari del versante quali concavità e convessità e segnalano scarpate o terrazzi. Tali caratteristiche rappresentano possibili indicatori di aree instabili e permettono di estendere le indicazioni fornite dai dati satellitari. Carte inventario aree in frana Le carte inventario dei fenomeni franosi forniscono un ottimo punto di partenza per l analisi delle aree in movimento da aggiornare mediante i dati PS perché normalmente vengono realizzate mediante foto-interpretazione e rilievi di campagna da geologi locali esperti conoscitori del territorio. Normalmente le carte inventario contengono informazioni riguardanti la distribuzione spaziale dei fenomeni franosi, la loro tipologia ed il loro stato di attività. Possono essere scaricate dai website delle Autorità di Bacino o recuperate consultando i piani strutturali od i piani regolatori comunali. Metodologia Integrazione dell informazione proveniente dai PS con i dati ancillari in ambiente GIS mediante l utilizzo del software ArcGis. Creazione di un progetto ArcMap (.mxd) all interno del quale verranno importati tutti i tematismi necessari all analisi (PS, foto aeree, DTM, carte to

8 Pagina 8 pografiche, carta inventario, ecc.) e visualizzati come layers differenti. Visualizzazione e classificazione dei PS Il primo passo consiste nell importare i Permanent Scatterers, che sono in formato.dbf, all interno del progetto e visualizzarli, associando le coordinate contenute all interno della tabella dei PS alle coordinate X ed Y del progetto. La visualizzazione dei PS viene effettuata classificando i punti in funzione della velocità con colori differenti. I valori di velocità vengono normalmente raggruppati in un numero finito di classi i cui limiti possono essere scelti in funzione delle esigenze di analisi. Normalmente la classe corrispondente ai PS considerati stabili viene scelta tra -1.5 e 1.5 mm/anno. Va precisato che è buona norma visualizzare PS ascendenti con una simbologia diversa rispetto a PS discendenti (ad esempio quadrati per gli ascendenti e cerchi per i discendenti). Tale distinzione è necessaria per le differenti geometrie di vista delle due orbite e quindi per evitare di confondere le due informazioni. Infatti, a differenza di fenomeni interessati prevalentemente da movimenti verticali come per la subsidenza, nel caso di frane PS che sono sullo stesso versante, ma provenienti da orbite diverse (ascendente e discendente) possono avere delle notevoli differenze nel tasso di deformazione date dalla diversa linea di vista. sticamente su punti vicini e rimuoverla, per poter rendere confrontabili diversi dataset. Un altro fattore da tenere in considerazione è la possibilità di analizzare dei dati provenienti da un area affetta da deformazioni regionali di origine tettonica, come quelle che interessano alcune porzioni dell Appennino e delle Alpi. Tali deformazioni, dell ordine di pochi mm/ anno, normalmente interessano zone abbastanza grandi ed omogenee dal punto di vista geologico (ad esempio bacini intermontani), per cui si riflettono come piccoli offset sulla velocità dell intera popolazione di PS presenti in queste aree. Per poter effettuare un analisi finalizzata all identificazione di fenomeni franosi tali offsets non costituiscono un problema, ma per far risaltare maggiormente le aree in frana è possibile valutare statisticamente il valore medio di tali offset, analizzando la distribuzione di frequenza della velocità, e rimuoverlo. Per facilitare la comprensione dei fenomeni e quindi risalire alla direzione di movimento senza dover tenere presente la direzione della linea di vista delle acquisizioni ascendenti o discendenti è possibile visualizzare i PS anche mediante delle frecce nella direzione della linea di vista (L.O.S.) proiettata sull orizzontale e nel verso dato dal segno (- allontanamento, + avvicinamento), rendendo più intuitiva l interpretazione. Sovrapposizione PS e dati ancillari Una volta visualizzati i PS è necessario importare le carte topografiche e le foto aeree per poter iniziare la fase interpretativa. Le carte topografiche devono essere visualizzate in trasparenza, in maniera tale da Figura 1 Schema relativo alla proiezione planimetrica della linea di vista dei satelliti Omogeneizzazione e scalatura dei PS In questa fase è necessario rendere omogenei i dati PS provenienti da diverse orbite (ascendenti e discendenti) o da track parzialmente sovrapposte. Le velocità fornite dai PS sono velocità relative e non assolute, cioè sono velocità differenziali calcolate rispetto ad un punto di riferimento, detto reference point. Dataset diversi di PS avranno reference points diversi, per cui PS corrispondenti provenienti da due track diverse (cioè da due acquisizioni che hanno una parte comune di sovrapposizione) possono avere velocità leggermente differenti. Questo può essere indotto dal fatto che i reference points non siano perfettamente fermi, ma che siano affetti da un leggero movimento. E necessario quindi stimare quanto sia tale differenza, valutandola stati

9 Pagina 9 Figura 2: PS visualizzati mediante frecce nella direzione proiettata sull orizzontale della linea di vista dei satelliti ERS. poter essere sovrapposte alle foto aeree durante l analisi, per associare all informazione data dalla foto quella topografica e quindi ottenere una migliore comprensione del fenomeno. Dal DTM della zona è possibile produrre la carte delle pendenze e quella dell esposizione dei versanti. Mentre la prima carta è utile per evidenziare possibili anomalie nella morfologia come terrazzamenti, o riconoscere nel versante eventuali accumuli di frana, caratterizzati da bassi valori di pendenza, e nicchie di distacco, rappresentate da bruschi incrementi del gradiente. La carta dell esposizione è fondamentale nella lettura dei PS al fine di comprendere le motivazioni del segno dei PS. Infatti spesso è sufficiente guardare le curve di livello per comprendere la direzione di esposizione del versante, ma quando le curve di livello non sono chiare risulta conveniente aiutarsi con la carte dell esposizione. Dal DTM è anche possibile creare immagini così chiamate di shaded relief, ossia immagini della topografie con falsa illuminazione del sole che genera ombre utile a mettere in risalto le geometrie dei corpi di frana. Infine le carte inventario dei fenomeni franosi, normalmente in formato shapefile, vanno importate e visualizzate secondo lo stato di attività (se la distinzione è presente) oppure se trattasi di carte di pericolosità o rischio secondo la clas- se. La sovrapposizione di queste carte con la distribuzione dei PS permette di ottenere delle informazioni aggiuntive utili all identificazione di aree instabili. Interpretazione aree in movimento Una volta importati tutti i layer su ArcMap è possibile iniziare ad analizzare l area di interesse. Data l estrema accuratezza delle deformazioni misurabili mediante i PS (si arriva al millimetro all anno) e l informazione puntuale che ne deriva, è consigliabile al fine di limitare la soggettività dell interpretazione, focalizzare l attenzione su cluster di almeno 3-4 PS caratterizzati da valori di velocità sopra una deter- Figura 3: Immagine in shaded relief della frana di Carbonile (FI). E evidente la nicchia di distacco nella parte destra della figura e l accumulo in quella sinistra.

10 Pagina 10 minata soglia, funzione della tipologia di analisi che si sta realizzando. Se lo scopo del lavoro è quello di aggiornare una carta inventario dei fenomeni franosi a fini di pianificazione territoriale anche movimenti estremamente lenti possono risultare di interesse. Il primo passo è cercare di capire quale possa essere l area interessata dai movimenti, estrapolando quindi spazialmente l informazione dei PS. Un supporto in questo può venire dalla carta inventario, nel caso in cui i PS ricadano in zone già mappate in frana oppure vicine ad esse. Altrimenti l analisi delle foto aeree insieme alla morfologia deducibile dalle curve di livello e dall immagine in shaded relief dell area può evidenziare la presenza di indicatori di movimento o addirittura una possibile forma dell area instabile. In caso di assenza di evidenze (anomalie nella vegetazione o morfologia particolare ) di possibili corpi di frana dalle carte e foto 2D è consigliabile proiettare la foto sul DTM mediante un software (ad es. ArcScene, il modulo 3D di ArcGIS) od utilizzare coppie stereoscopiche di foto aeree, se disponibili. Figura 4 Partendo in alto a destra: carta topografica; foto aerea con PS e curve di livello; PS sovrapposti a carta inventario; immagine in shaded relief con PS e sovrapposti possibili corpi di frane; carta delle pendenze con PS; carta dell esposizione dei versanti con PS.

11 Pagina 11 Figura 5 Indicazione delle probabili direzioni orizzontali di movimento (frecce viola) desunte dall analisi combinata dei PS e delle curve di livello. Se le analisi effettuate in ambiente GIS non permettono di ottenere alcuna informazione aggiuntiva rispetto ai PS è necessario effettuare dei rilievi di campagna per evidenziare eventuali lesioni su edifici, presenza di piccole contropendenze nel terreno, venute di acqua, ecc.. I possibili casi che nella fase interpretativa possono verificarsi e le conseguenze soluzioni da adottare possono essere semplificate come segue: Permanent Scatterers all interno di aree già mappate in frana: - accordo tra stato di attività e velocità media dei PS: modificare gli attributi del poligono aggiungendo il numero e la velocità media (relativa sia agli ultimi 10 anni che alle ultime 20 acquisizioni SAR) dei PS all interno dell area in frana nei campi relativi alla presenza dei PS della tabella dello shapefile della carta inventario; - disaccordo tra stato di attività e velocità media dei PS: valutare la possibilità di modificare lo stato di attività della frana facendo riferimento alle velocità medie dei PS a lungo periodo e nelle ultime acquisizioni. Tale valutazione deve essere supportata dall interpretazione delle immagine ottiche ed in particolare dal confronto tra acquisizioni multi-temporali. Permanent Scatterers vicino ad aree mappate in frana: - accordo tra stato di attività e velocità media dei PS: valutare la possibilità di modificare i limiti del poligono in frana per comprendere l area interessata dai PS. Tale valutazione deve essere supportata dall interpretazione delle immagine ottiche e dall analisi della morfologia, desunta dalle curve di livello, al fine di evidenziare la presenza di elementi che possano suggerire l appartenenza ad un unico corpo di frana. - Disaccordo tra stato di attività e velocità media dei PS: valutare la possibilità di modificare i limiti del poligono in frana ed il suo stato di attività o di creare un nuovo poligono in frana indipendente. - Permanent Scatterers in movimento lontani da aree mappate in frana: - presenza di evidenze morfologiche e vegetative connesse alla presenza di una frana: generazione di un nuovo poligono di frana - assenza di evidenze morfologiche e vegetative: aggiungere un elemento puntuale al database degli elementi lineari (scarpate, corone, ecc.).

12 Pagina 12 Tipo 1 - Mappatura degli eventi franosi Figura 6 Evidenze di lesioni su edifici e muretti corrispondenti alla zona mappata sulla figura in alto.

13 Il servizio SLAM Pagina 13 Il caso della provincia di Benevento I risultati dell analisi integrata per l area di Benevento consistono nel censimento di circa 250 aree in frana. Più di 110 immagini ERS sono state processate per l estrazione di PS. Delle aree in frana analizzate circa il 19% è rappresentato da nuove frane individuate dal servizio SLAM, mentre per le frane preesistenti nell inventario in uso presso l utenza il 13% ha subito modifiche nella perimetrazione. Figura 7 Esempio di Mappatura degli eventi franosi prodotta per un comune della Campania La carta riporta i PS classificati in base all entità dello spostamento lungo la direzione satellite-bersaglio. I valori sono contrassegnati da segno + o - in funzione di un avvicinamento o un allontanamento dei punti rispetto al satellite. Nel caso di una frana rotazionale,ad esempio, i valori negativi possono indicare movimenti lungo la scarpata principale laddove ha origine il distacco del materiale, mentre i valori positivi (movimento verso il sensore) possono essere indizio di una zona di accumulo nella quale il materiale mobilizzato si trova a quote superiori rispetto a quelle della superficie originaria del versante. Figura 8 Visualizzazione della frana nell area di Pelago Il caso del Bacino dell Arno L analisi è stata condotta sull intero bacino del Fiume Arno coprendo un estensione pari a circa km 2. Sono state processate 350 immagini ERS con circa PS rilevati. Il 18.3% delle frane cartografate dall autorità di Bacino dell Arno sono state modificate nell estensione, il 6.1% nello stato di attività, il 63.8% delle frane preesistenti sono state confermate mentre le nuove frane individuate rappresentano l 11.8%. PRODOTTO FINALE Il prodotto finale consiste in una carta su vasta scala (1:25.000) degli eventi franosi in formato Esri Shapefile. Il database associato allo shapefile può includere oltre ai dati relativi a estensione e perimetro anche informazioni sullo stato di attività, sul numero di PS rilevati all interno dei corpi di frana e relative velocità medie di spostamento.

14 Pagina 14 Tipo 2 - Monitoraggio dei movimenti franosi Il prodotto di Monitoraggio degli eventi franosi deriva dall integrazione delle informazioni dell analisi interferometrica e delle immagini ottiche ad alta risoluzione con i dati provenienti da monitoraggio in-situ, archivi storici e dati bibliografici. L obiettivo è la costruzione di un modello geologico dell evento franoso in analisi. In questo caso viene utilizzata l Analisi Avanzata PS, che permette di ottenere le serie temporali di ogni PS, ossia i grafici spostamento in funzione del tempo di ogni caposaldo radar. L integrazione di tali dati con un approfondita analisi geologica della frana, consente di ottenere i seguenti risultati: definizione degli esatti limiti dell area interessata da movimenti; definizione di aree omogenee affette da diversi tassi di deformazione; correlazione tra possibili superfici di scivolamento (desunte da misure inclinometriche) con movimenti superficiali; creazione di sezioni geologiche su zone sensibili per risalire al vettore di spostamento reale (proiezione lungo linea di massima pendenza e confronto con misure insitu). La metodologia necessaria per tale attività prevede l integrazione delle misure di deformazione dei PS con dati cartografici di base e con l utilizzo di foto aeree al fine di dare un significato geologico ai movimenti puntuali misurati da satellite. In particolare, l analisi è volta alla definizione di aree omogenee dal punto di vista geomorfologico, affette da simili tassi di deformazione, al fine di zonare l area in frana in settori con cinematismi differenti e definire i limiti della frana. Una volta effettuata tale zonazione, l integrazione dei dati esistenti di sottosuolo con i dati di deformazione superficiale dei PS permette di risalire alle geometrie del fenomeno. A supporto di tale analisi vengono impiegati, oltre alle suddette basi topografiche e foto aeree, una serie di informazioni deducibili da precedenti studi del fenomeno, quali relazioni tecniche contenenti informazioni sulle stratigrafie e misure in-situ. Le fasi successive dello studio possono essere sintetizzate come segue: 1. Raccolta e analisi delle informazioni bibliografiche e dei dati cartografici a disposizione; 2. Integrazione in ambiente GIS dei dati interferometrici con le immagini da satellite ad alta risoluzione e i dati cartografici. L obiettivo è quello di definire esattamente l estensione dei corpi franosi ed individuare le aree interessate da differente tasso di deformazione. 3. Analisi comparativa della distribuzione spaziale dei dati interferometrici (misure dei PS) con i dati di monitoraggio in-situ 4. Costruzione di un modello geologico in grado di definire la tipologia dell evento, la distribuzione dell attività e un possibile scenario futuro. Dati di input Advanced Permanent Scatterers Analysis Foto aeree e immagini satellitari ad alta risoluzione Dati di monitoraggio tradizionali Relazioni tecniche Modelli Digitali del Terreno (DTM) Carte topografiche di base Legenda velocity mm/yr < -5-5 < <-3-3 < <-1-1 < <+1 +1 < <+3 +3 < <+5 > +5 Figura 9 Visualizzazione 3D dei PS in sovrapposizione ad un immagine SPOT

15 Pagina 15 Advanced Permanent Scatterers Analysis L analisi PS Advanced è utile per aree ristrette (alcuni chilometri quadrati) in cui è richiesta lo sfruttamento di tutta l informazione contenuta nei dati satellitari radar. Si tratta di una sofisticata analisi che richiede tempi di calcolo lunghi ed una forte interazione con personale specializzato. La procedura, che è specifica per ogni area e per ogni dataset, può estrarre il massimo dell informazione dai dati. Anche movimenti non lineari nel tempo sono misurabili con questo tipo di analisi e viene fornita la misura delle serie temporali di spostamento per ogni PS. Foto aeree e immagini satellitari ad alta risoluzione L utilizzo delle foto aeree di dettaglio (1:15.000/1:5.000) permette di estendere spazialmente l informazione puntuale dei capisaldi radar. L utilizzo in configurazione stereoscopica e, in parte anche la proiezione su DTM, permettono infatti di evidenziare le geometrie di eventuali corpi di frana. In aggiunta le valutazioni delle condizioni della copertura vegetale rispetto al contorno possono essere degli indicatori di movimento. In questa ottica risulta interessante anche l utilizzo di foto aeree monoscopiche multitemporali, acquisite cioè a distanza di qualche anno l una dall altra. In alternativa alle foto aeree, nel caso non siano disponibili, è possibile ipotizzare l uso di immagini satellitari ad alta risoluzione (Quickbird, Ikonos), presenti negli archivi delle società che le commercializzano o acquisibili on-demand, che grazie alla maggiore risoluzione spettrale (contengono anche l infrarosso vicino) e al formato digitale in 11 bit (2048 toni di grigio, rispetto ai 256 standard) si prestano all identificazione di elementi riconducibili alla presenza di aree instabili. Dati di monitoraggio tradizionali Per questo tipo di analisi la presenza di dati di monitoraggio tradizionali non è fondamentale, ma nel caso i cui siano presenti, risulta utile il confronto con i dati radar, in particolare per tarare le direzioni di movimento reali. Confrontando ad esempio dati di spostamento di livellazioni ottiche con i PS è possibile trovare un fattore di conversione per riscalare le misure dei PS sulla reale direzione di movimento. L integrazione invece con letture inclinometriche può essere utile per spiegare le geometrie di movimento e quindi spiegare i movimenti superficiali. Relazioni tecniche Le relazioni tecniche realizzate sul fenomeno di interesse offrono un ottimo supporto per il monitoraggio tramite PS, contenendo normalmente carte geomorfologiche, stratigrafie dedotte da sondaggi eseguiti sull area ed anche notizie storiche sul movimento. In assenza di tali informazioni è possibile acquisirle mediante rilievi geomorfologici di campagna e la realizzazione, nel caso ci sia tal esigenza, di sondaggi. Modelli Digitali del Terreno (DTM) I modelli digitali del terreno con una buona risoluzione (10-20 m di dimensione della cella) possono essere utili in varie fasi dell analisi. Possono essere utilizzati per calcolare mappe di pendenza (slope) e di esposizione (aspect) e curvature dei versanti da sovrapporre ai dati PS come supporto all analisi. Tali carte, facilmente realizzabili in ambiente GIS, a partire dal DTM, sono utili nelle fasi interpretative per risalire alla direzione di movimento. Un ulteriore utilizzo è quello legato alla creazione di immagini così chiamate di shaded relief, ossia immagini della topografie con falsa illuminazione del sole che genera ombre utile a mettere in risalto le geometrie dei corpi di frana. Infine i DTM vengono utilizzati nell analisi per proiettare le foto aree, ottenendo un falso 3D, sostitutivo nella fotointerpretazione dell analisi stereoscopica. Carte topografiche di base Oltre che come base sulla quale visualizzare i PS, carte topografiche a scala sufficientemente grande (1:10.000/1:5.000, ad es. le Carte Tecniche Regionali-CTR) permettono di valutare eventuali curvature planari del versante quali concavità e convessità e segnalano scarpate o terrazzi. Tali caratteristiche rappresentano possibili indicatori di aree instabili e permettono di estendere le indicazioni fornite dai dati satellitari. Metodologia proposta Il concetto di base è quello di integrare l informazione proveniente dai PS con i dati ancillari (misure in situ, dati bibliografici, rilievi di campagna) in ambiente GIS (ArcGis). Questo tipo di analisi è chiaramente legata

16 Pagina 16 alle specifiche dell area da monitorare ed alla disponibilità di dati ancillari. A grandi linee è possibile schematizzare i passi fondamentali come segue: Sovrapposizione PS e dati ancillari Sovrapposizione dei PS, visualizzati con una classificazione basata sulle velocità (punti o frecce lungo l.o.s), ai poligoni delle aree in frana. Utilizzo delle CTR (scala 1:10.000), visualizzate in trasparenza sopra le foto aeree, come base topografica. L analisi ha lo scopo di definire con precisione: limiti dell area affetta da movimento; settori all interno del corpo di frana affetti da differenti tassi di deformazione; Le differenze tra le informazioni fornite dai dati ancillari e quelle provenienti dall analisi PS devono essere analizzate in dettaglio mediante foto-interpretazione di foto aeree e/o immagini satellitari ad alta risoluzione e rilievi di campagna. Il risultato di questa analisi consiste in una mappa geomorfologica dell area Figura 10 sovrapposizione dei dati APSA e sulla carta geomorfologica relativi alla frana di Carbonile (FI). Figura 11 confronto tra distribuzione dei PS e locazione di tubi inclinometrici all interno della frana di Carbonile (FI).

17 Pagina 17 instabile con informazioni inerenti i tassi di deformazione mediconfronto quantitativo ed integrazione dei dati in-situ (inclinometri, piezometri) con le serie temporali di PS significativi: - analisi della distribuzione dei PS vs. dati insitu e digitalizzazione di questi ultimi (se necessario); - omogenizzazione dei due dataset in termini di tipologia di misura (spostamenti superficiali vs. profondi, misure L.O.S. vs. misure oriz.); - confronto quantitativo serie temporali PS con dati in situ (es. inclin.) di punti vicini; - taratura dei dati PS, in termini di direzione reale del movimento, mediante i dati di deformazione in-situ. Scomposizione del moto Nel caso in cui sia stato possibile associare dei PS in movimento ad un eventuale fenomeno franoso identificando dei possibili limiti dell area in frana e le probabili direzioni di movimento, risulta possibile trasformare i valori Figura 12 confronto quantitativo tra serie temporale di spostamenti di PS e letture inclinometriche di spostamento misurati lungo la l.o.s. del satellite in valori più vicini al vettore spostamento. In particolare, nel caso in cui siano presenti PS provenienti solo da acquisizioni ascendenti o solo da acquisizioni discendenti è possibile proiettare la componente di spostamento letta lungo la l.o.s. del satellite lungo la direzione di massima pendenza del versante. Tale operazione, che implica l assunzione di movimenti paralleli alla direzione di massima pendenza, può non essere verosimile nel caso di superfici di scivolamento non lineari, ma legate a delle roto-traslazioni. Nel caso in cui siano presenti sia PS ascendenti che discendenti, utilizzando quindi entrambe le geometrie di acquisizione risulta possibile distinguere le componenti orizzontali da quelle verticali di spostamento (anche se con precisioni diverse, soprattutto in direzione nord-sud) arricchendo notevolmente il quadro conoscitivo della cinematica locale. Modellizzazione geologica del fenomeno. Analisi dei dati di monitoraggio e delle misure di deformazioni con riferimento alle caratteristiche geologiche dell area instabile, al fine di integrare i dati di sottosuolo, provenienti da sondaggi, misure piezometriche ed inclinometriche e rilievi geofisici con le misure di spostamento superficiali desunte dall analisi satellitare. Tale analisi può facilitare la comprensione dei meccanismi di deformazione del fenomeno, le geometrie di movimento e le dinamiche evolutive. Creazione di una monografia della frana. Attività di editing di una relazione contenente tutte le informazioni di monitoraggio ed interpretazione geologica dell area di studio e gli allegati cartografici. La relazione deve contenere: - sommario generale sulla frana (ubicazione, estensione areale, popolazione coinvolta, danni registrati, ecc.); - descrizione del fenomeno, comprendente la tipologia e le cause; - inquadramento geologico e geomorfologico dell area in frana; - descrizione dati di monitoraggio (convenzionali e satellitari); - interpretazione geologica Figura 13 sezione longitudinale all interno del corpo di frana dell area di Carbonile (FI)

18 Il servizio SLAM Pagina 18 Il caso del Bacino dell Arno Fra gli utenti del servizio figura l autorità di Bacino dell Arno che ha utilizzato l output del progetto SLAM nell ambito dell aggiornamento del Piano di Bacino. Nell immagine a destra è possibile notare distribuzione dei dati APSA rappresentati su foto aerea e proiettati su DTM dell area di Carbonile (FI). E possibile notare i Permanent Scatterers e le frane classificate in base allo stato di attività. La distribuzione dei PS e la loro velocità hanno permesso di riperimetrare l area a rischio. Figura 14 Visualizzazione 3D di una foto aerea drappeggiata sul DEM. Frane in rosso: attive; Frane in verde: stabilizzate; Frane in azzurro: quiescenti Il caso della Provincia di Benevento Figura 15 Visualizzazione in 3D, di una area in frana in provincia di Benevento con alcuni riscontri fotografici degli spostamenti del terreno rilevati dai PS. PRODOTTO FINALE Il prodotto finale consiste in un report geologico/geomorfologico degli eventi franosi in analisi associato ad una carta di dettaglio in formato Esri Shapefile. Il prodotto comprende anche il livello informativo relativo alle misurazioni degli spostamenti millimetrici rilevate sui PS per tutto il periodo di osservazione. L analisi SLAM è stata condotta anche su alcune aree campione in provincia di Benevento. Nelle immagini laterali sono illustrate alcune aree instabili visualizzate in 3D in sovrapposizione ai diffusori permanenti e all immagine Ikonos. L analisi ha permesso in alcuni casi di modificare i limiti dei corpi franosi e in altri di confermare l estensione delle frane come cartografate in precedenza dall utente. Le foto mostrate lateralmente evidenziano i riscontri sul campo delle misure di spostamento rilevate dai PS.

19 Pagina 19 Tipo 3 - Mappatura della suscettibilità di frana La Mappatura della suscettibilità di frana consente di definire la propensione del territorio al verificarsi di fenomeni franosi, in relazione a diverse combinazioni di fattori preparatori. Inoltre, per le aree instabili, come definite nel prodotto di Mappatura gli eventi franosi, restituisce anche una previsione temporale della pericolosità di frana. I dati in input: 1. Prodotti SLAM sviluppati per la Mappatura e il Monitoraggio degli eventi franosi; 2. Dati cartografici: litologia, pendenza, uso del suolo; 3. Report tecnici e database (per es. AVI, SCAI). La pericolosità di frana è definita come la probabilità che un fenomeno potenzialmente distruttivo di determinata intensità si verifichi in un dato periodo di tempo in una data area (VARNES & IAEG, 1984). I fattori che contribuiscono alla pericolosità da frana possono essere suddivisi in due categorie: fattori preparatori e fattori innescanti. I fattori preparatori rendono il versante suscettibile alla rottura mantenendolo in condizioni di stabilità precaria e sono ad esempio: geologia, uso del suolo, quota, gradiente morfologico e curvatura del versante. I fattori di innesco sono quelli che portano il versante in condizioni instabili attivando così il fenomeno franoso in un area con una determinata suscettibilità e possono essere: precipitazioni, eruzioni vulcaniche, scosse sismiche, variazioni del livello di corsi d acqua, scioglimento delle nevi e attività antropica. L analisi dei fattori preparatori permette la previsione spaziale della pericolosità o suscettibilità, mentre quella dei fattori di innesco la previsione temporale. Molto spesso, a causa della difficoltà di valutare la probabilità temporale di occorrenza di un fenomeno franoso, la valutazione della pericolosità da frana corrisponde alla produzione di carte di suscettibilità alla franosità che mostrano la propensione del territorio al verificarsi di fenomeni franosi in relazione a diverse combinazioni di fattori preparatori. Questo è particolarmente vero nelle valutazioni a scala di bacino che coinvolgono aree vaste nelle quali il numero di fenomeni e la grande variabilità dei parametri in gioco non consentono un analisi dettagliata alla scala del versante. La valutazione della pericolosità all interno del progetto SLAM è stata valutata in due step differenti. Utilizzando i fattori predisponenti e la carta inventario ed analizzandoli mediante un analisi con le reti neurali è stata valutata la previsione spaziale della pericolosità di frana. L integrazione della carta inventario contente informazioni sullo stato di attività dei fenomeni franosi, in parte desunta dall aggiornamento tramite l utilizzo dei PS, con la carta di suscettibilità prima creata, ha poi permesso di sovrapporre alla previsione spaziale la distribuzione delle aree in frana, ottenendo su queste una valutazione della previsione temporale della pericolosità. L analisi può essere illustrata percorrendo fasi successive di lavoro: 1. Definizione di unità fisiografiche individuate considerando diversi fattori quali litologia, pendenza, uso del suolo, etc. 2. Previsione spaziale. Costruzione della carta di suscettibilità da frana. Individuazione di aree a differente predisposizione al dissesto grazie ad un analisi statistica a rete neurale artificiale (A.N.N.) delle unità fisiografiche individuate nella fase precedente. 3. Previsione temporale. Costruzione della carta di pericolosità da frana. In quest ultima fase di lavoro viene preso in considerazione anche il fattore temporale: l analisi integra i dati di monitoraggio resi disponibili dal prodotto di Monitoraggio degli eventi franosi, le informazioni storiche dei database AVI, SCAI ed IFFI e lo stato di attività come riportato nel prodotto di Mappatura degli eventi franosi.

20 Pagina 20 Previsione spaziale Un tipo di statistica multivariata che supera la maggior parte dei problemi presenti nella previsione spaziale della pericolosità è quella basata sulle reti neurali. In letteratura sono riportati diversi esempi: MAYORAZ et al., 1996; ALEOTTI & CHUWDHURY, 1999; FERNANDEZ- STEEGER, et al., 2002; ERMINI et al., Le reti neurali sono simili all analisi statistica in quanto sviluppate in molti casi su base statistica. Per questa ragione è molto difficile trovare una definizione largamente accettata che distingua fra reti neurali e analisi statistica. Le reti neurali sono basate su una struttura auto-organizzata che assomiglia a un sistema neurale biologico del cervello dei mammiferi. La maggior parte dei modelli sono composti da neuroni costantemente collegati fra di loro, i quali sono posizionati in differenti layers. Le reti neurali si diversificano sulla base del numero di layers e delle procedure di addestramento. La procedura consiste, inizialmente, nell attribuire in maniera casuale dei pesi alle connessione fra i neuroni e nello scegliere i parametri di input. L output calcolato è confrontato con il valore atteso ed è determinato l errore. La procedura procede in modo iterativo finché non è raggiunta la convergenza fra il valore calcolato e quello atteso. Durante questa fase, chiamata di learning è creata la funzione della rete neurale che sarà poi utilizzata nella fase di verifica e validazione. Dati di input L applicazione delle metodologie per la valutazione della pericolosità prevede la definizione dei fattori di franosità (o fattori predisponenti) cioè di quei fattori fisici in grado di perturbare l equilibrio naturale di un versante, provocando il movimento di ammassi rocciosi e/o terreni sotto l azione della gravità. La distribuzione statistica dei valori di tali fattori all interno delle aree in frana deve essere poi valutata al fine di definire l icidenza di ogni fattore sulla pericolosità di frana. Carta inventario dei fenomeni franosi La carta inventario dei fenomeni franosi aggiornata mediante la metodologia definita all interno del progetto SLAM inerente l uso integrato dei dati PS e l interpretazione di foto aeree e immagini da satellite, è stata impiegata per la valutazione della pericolosità di frana. La completezza della carta inventario è importante perchè, oltre a fornire indicazioni sulla suscettibilità riguardo a possibili fenomeni di riattivazioni, è anche lo strumento indispensabile per la calibrazione delle metodologie di previsione (analisi statistica, approccio deterministico, reti neurali). Fattori di franosità La valutazione della pericolosità a scala di bacino presenta delle limitazioni legate alla difficoltà di acquisire a tale scala tutti i dati relativi ai fattori predisponenti. Considerando tali limitazioni e utilizzando quelli che in bibliografia sono ritenuti i fattori di franosità più importanti (ZEZERE, 2002, ERMINI et al., 2004) sono stati scelti i seguenti: - pendenza del versante: rappresenta il gradiente del piano tangente alla superficie nel punto desiderato nella direzione di massima pendenza, mentre dal punto di vista analitico equivale alla derivata prima della funzione che esprime la variazione di quota lungo la stessa direzione. In un DTM questa derivata è generalmente ottenuta per ogni cella in base alla quota delle otto celle circostanti a quella data. Può essere ottenuta mediante algoritmi presenti nei comuni pacchetti G.I.S.. - curvatura del versante: La curvatura rappresenta la variazione di pendenza nello spazio e si esprime come gradiente della pendenza. La curvatura è ottenuta tramite il comando CUR- VATURE del software GIS ARC/INFO. Nella curvatura planare le curve di livello in pianta possono essere convesse o concave, nel primo caso si ha un flusso convergente mentre nel secondo caso si ha un flusso divergente. La curvatura di profilo è convessa quando in pianta le curve di livello si avvicinano e concava quando le curve di livello si allontanano oppure, in sezione longitudinale, convessa se la pendenza aumenta verso valle e concava nel caso opposto. Nell ambito della stabilità dei versanti quello che conta non è tanto il valore assoluto della curvatura, ma la sua variazione nello spazio. Ad esempio negli scivolamenti rotazionali la curvatura di profilo è prima convessa, lungo il coronamento, passa poi a concava nella zona di distacco per poi tornare nuovamente a convessa nella zona di accumulo. Nei crolli sia passa da curvatura convessa a concava, lungo la parate di distacco, e poi a

21 Pagina 21 una superficie planare in corrispondenza dell accumulo al piede della scarpata. Infine negli scivolamenti traslativi si passa da una superficie convessa lungo il coronamento a una superficie planare di scivolamento. - area drenata: L area drenata o accumulazione di flusso rappresenta l estensione (in pixel o m2) del sottobacino drenato dal pixel considerato. Il calcolo di questa quantità a partire da DTM richiede il GRID delle direzioni di flusso connesse. Si tratta di una procedura iterativa che si propaga all indietro, controllando quali celle inviano il flusso verso il pixel considerato. Per ognuna di queste celle la procedura viene ripetuta finché non si arriva al crinale. Il conteggio finale cumulato indica il numero di celle dell area a monte. - litologia: la litologia è notoriamente considerata uno dei fattori predisponenti più importanti nella valutazione della suscettibilità in quanto condiziona i parametri meccanici del materiale e quindi la sua resistenza al taglio. Ad esempio i terreni coesivi presentano parametri di resistenza al taglio più scadenti rispetto ai terreni granulari e, quindi, sono più propensi a franare. La resistenza al taglio degli ammassi rocciosi, invece, dipende dalla resistenza al taglio della roccia intatta, dalle caratteristiche geomeccaniche e dalle condizioni al contorno delle possibili discontinuità. Particolare importanza nell ambito della pericolosità è rivestita dalle formazioni flyscioidi nelle quali i livelli pelitici possono rappresentare possibili superfici di scivolamento. Normalmente questo fattore viene ottenuto dalla riclassificazione delle varie formazioni di una carta geologica di sufficiente dettaglio (scala 1: : ) in classi raggruppate in funzione del comportamento meccanico del materiale. Le principali distinzioni tra le classi sono normalmente le seguenti: terreni coesivi, terreni granulari, rocce lapidee, conglomerati e rocce carbonatiche poco cementate, rocce deboli, marne e argille compatte e rocce pelitiche con intercalazioni lapidee - copertura del territorio: la carta di copertura del territorio (land cover) costituisce un elaborato per la descrizione fisica del territorio, dove confluiscono molteplici fattori ambientali di carattere geomorfologico, pedologico e vegetazionale, sia naturali che antropici, comprendendo cioè anche le modificazioni dovute all urbanizzazione, all agricoltura e all attività zootecnica. L insieme di tutti questi fattori contribuisce alla modellazione del territorio con peso variabile secondo diverse modalità di causa ed effetto. Normalmente viene fatto riferimento alle carte di uso del suolo dello standard progetto CORINE Land Cover (CUMER, 1994; HEYMAN et al., 1994) con possibili varianti legate a modifiche della sua legenda. Correlazioni tra fattori predisponesti La statistica descrittiva è preliminare alla fase di applicazione della metodologia di valutazione della pericolosità e serve per mettere in evidenza le caratteristiche salienti dei parametri di franosità, inoltre permette di individuare gli intervalli di valori significativi utili per la classificazione dei fattori. L analisi statistica viene condotta incrociando prima i parametri di franosità fra di loro e poi incrociando questi ultimi con le frane censite. Questa trattazione statistica preliminare evidenzia le relazioni esistenti fra fenomeni franosi e fattori di franosità, in particolare vengono individuate le litologie e le classi di copertura del territorio che presentano la maggior suscettibilità a franare. L analisi statistica rivela, inoltre, l esistenza all interno dei parametri morfometrici (pendenza, curvatura, area drenata) di soglie fisiche che influenzano la pericolosità. I risultati possono evidenziare anche come diverse tipologie di movimento presentano soglie fisiche diverse. Nell applicazione del modello di statistica multivariata o delle reti neurali i risultati di queste analisi risultano molto importanti soprattutto nella fase di calibrazione e parametrizzazione del modello. Metodologia operativa Si tratta di determinare la probabilità relativa che un fenomeno franoso sia presente in una certa area attraverso una combinazione dei fattori predisponenti già visti in precedenza. Tra i vari possibili approcci utilizzati in letteratura si è scelto di utilizzare l analisi statistica multivariata, che è sicuramente quella che ha fornito i risultati più soddisfacenti nella zonazione della pericolosità alla scala di bacino (CARRARA, 1983, CARRARA et al., 1991, CHUNG et al., 1995, BAEZA & COROMINAS, 1996, BERNKNOPF et al., 1988, JADE & SAR- KAR, 1983, WIECZOREK et al., 1996). Si è però optato per un tipo di analisi non tradizionale, nella quale le funzioni di regressione che determinano la combinazione dei vari parametri ed i pesi relativi di questi ultimi sono gene-

22 Pagina 22 rate da una rete neurale artificiale (ANN da ora in avanti). Reti neurali artificiali Molti tipi di rete neurale hanno forti correlazioni con i metodi statistici. Nell'applicazione di questi metodi alla suscettibilità di frana è perciò difficile distinguerli da quelli già visti basati sulla statistica multivariate. In generale le ANN sono applicate a problemi di classificazione e di regressione. Tipici problemi di classificazione sono ad esempio il riconoscimento dei diversi tipi di uso del suolo attraverso immagini da satellite oppure l'assegnazione di una classe di rischio assicurativo in base ad una serie di parametri ricavati da interviste alla popolazione. Nel caso di problemi di regressione si cerca invece di rivedere il valore di una variabile continua, come ad esempio il livello di piena di un fiume oppure la temperatura atmosferica. In questo contesto la definizione della suscettibilità di frana può essere vista come un problema di classificazione. In questo modo l'output della ANN può essere considerato come una specie di grado di appartenenza di ogni unità di terreno alla classe "frana". Il compilatore di reti neurali da noi utilizzato (Trajan Network Simulator, Trajan Software Ltd, 200-1) è capace di costruire ed utilizzare diversi tipi di rete neurale adatti ai problemi di classificazione. La prima fase della applicazione di una rete neurale consiste nella fase di addestramento, la quale cambia in funzione del tipo di rete. Nella nostra applicazione i primi risultati sperimentali hanno mostrato che i migliori tipi di rete neurale trovati sono appartenenti alle categorie dei Multi Layer Perceptrons (MLP), delle Probabilistic Neural Networks (PNN), e delle Radial Basis Functions (RBF) (vedi BISHOP, 1995). La fase di addestramento rappresenta il centro della applicazione di una ANN ed il suo scopo è quello di stimare i pesi e le soglie di attivazione in modo tale da minimizzare gli errori tra valori osservati e valori calcolati. Per questa ragione una ANN deve essere addestrata con un certo numero di informazioni note che vanno così a costituire la sua esperienza, in modo molto simile a quello che avviene nel nostro cervello. Per questo motivo addestrare una ANN per investigare dei processi naturali come le frane corrisponde a fornire alla rete stessa una serie di osservazioni sufficientemente ampia per riuscire a descrivere in modo esauriente la varianza interna del fenomeno fisico studiato. Le variabili che descrivono detto processo, una volta organizzate sulla base degli input e degli output osservati (carta inventario), devono essere utilizzate per addestrare la rete. Questo processo corrisponde in sostanza al far adattare il più possibile la rete all insieme dei dati esistenti. In questo modo, una volta che le sono stati forniti dati storici sulla franosità, i pesi e le soglie della rete neurale sono aggiustati automaticamente in base ad algoritmi specifici. La complessità della rete aumenta in modo usuale con l'incremento del numero delle variabili e con il conseguente aumento del numero dei pesi e degli livelli nascosti richiesti per la strutturazione della rete stessa. Questo porta molto spesso ad un abbassamento delle errori di stima. Tuttavia, se una rete neurale arriva a un buon grado di coincidenza con i dati del suo insieme di addestramento, questo non significa automaticamente che la rete sarà in grado di modellare in modo corretto il processo studiato. Questo perché il ruolo della rete stessa non è quello di stimare nel modo migliore i dati osservati ma quello di estendere l'esperienza acquisita ad aree nelle quali non sono disponibili dati osservati. Il cosiddetto problema dell overfitting o overlearning è stato accuratamente preso in considerazione nella nostra analisi e ridotto al minimo utilizzando strumenti presenti nel compilatore di reti Trajan. Questi strumenti sono essenzialmente basati sul confronto tra gli andamenti dell errore di addestramento e di quello di selezione, calcolato sul set di selezione che un insieme di dati non impiegati durante la fase di addestramento. Col procedere del processo di addestramento della rete entrambi gli errori diminuiscono. Il cosiddetto sovra addestramento (overlearning) inizia quando gli errori di selezione smettono di decrescere o iniziano a risalire. Il software Trajan è configurato per interrompere automaticamente il processo di ottimizzazione a questo punto. La vera e propria fase di addestramento viene eseguita su un sottoinsieme dei dati (corrispondente ad un terzo dell'intero insieme) prescelto in modo casuale. Come già accennato, gli input del modello rappresentano quelle variabili scelte per descrivere la suscettibilità del territorio alle frane, mentre il grado

23 Pagina 23 di appartenenza alla classe presenza/assenza è prescelto come variabile di output. I parametri utilizzati nella analisi sono le classiche variabili del rischio di frana (si veda ad esempio SOETERS e VAN WESTEN, 1996; CARRARA e GUZZETTI, 1995). Esse sono o nominali o numeriche. In questo studio, in accordo con approcci simili adottati nella statistica multivariata (CHUNG et al., 1995; BIANCHI e CATANI, 2002; ERMINI et al., 2005), si è deciso di trattare ogni variabile come una stringa di numeri binari dopo la riclassificazione. Questa scelta è stata fatta per evitare l'introduzione di diversi tipi di variabili nella stessa analisi. Per questa ragione le variabili numeriche e nominali debbono essere suddivise in classi definite sulla base della loro influenza intrinseca sui meccanismi di frana. Da un punto di vista geografico, la definizione delle variabili e delle classi determina la forma e la posizione delle unità di mappa da considerare nell'analisi, che corrispondono al concetto di unità territoriali omogenee (UTO), prodotte dall'intersezione dei fattori del versante tutti classificati con scale nominali. Questa operazione, portata a compimento con l'ausilio di sistemi GIS, individua un grandissimo numero di domini spaziali omogenei contenenti combinazioni uniche di fattori del versante. Normalmente, in funzione della risoluzione delle mappe di base, che nel nostro caso può essere ritenuta pari ad 1:10000, i poligoni con area molto piccola vengono scartati eliminandoli dalla tabella dei vettori di input oppure accorpandoli ai poligoni più grandi a- diacenti. La definizione dell'area minima dipende dalla scala di rilevamento dei dati ma anche dalle caratteristiche geometriche dei fenomeni che si debbono prevedere. Sono da considerare infatti come trascurabili tutti quei poligoni che hanno area molto piccola rispetto all'area media della tipologia di frana presa in considerazione. Risolto il problema della presenza di micropoligoni con aree trascurabili ma in numero molto rilevante, al punto da poter creare difficoltà di elaborazione per la rete neurale, rimane da risolvere un problema di natura maggiormente concettuale. Si tratta del problema della non omogeneità della superficie delle varie UTO, ognuna delle quali ha ovviamente forma e dimensioni proprie. Passando alla rete neurale che le informazioni relative ad UTO così diverse come se ogni UTO rappresentasse un singolo vettore di informazioni, s'incorre nella grande semplificazione di ritenere che il contributo statistico di una combinazione di fattori in un poligono di area data sia lo stesso di quello fornito da una combinazione diversa presente su un'area molto più estesa. Di conseguenza la rete neurale assegnerebbe lo stesso peso statistico alle due combinazioni di parametri nonostante queste fossero diversamente rappresentate come superficie di occorrenza. Una tecnica per evitare questa errata attribuzione dei pesi è stata recentemente proposta da alcuni degli estensori di questa relazione (ERMINI et al., 2005) e si basa sull inserimento, nella matrice di input, di un numero copie del vettore che rappresenta i parametri della UTO proporzionale all'area della UTO stessa. Un solo vettore viene assegnato nel caso di area minima mentre un numero di vettori direttamente proporzionale viene invece assegnato nel caso di aree multiple dell'area minima. Per quanto riguarda i valori di uscita, che debbono essere forniti alla rete almeno per l insieme di addestramento, sono possibili due scelte diverse. La prima, più semplice, consiste nell incrociare le UTO con l'inventario delle frane e nell'assegnare ad ogni nuova U- TO così ottenuta un valore binario di presenza (1) o assenza (0) di frana. La seconda scelta, più complessa ed avente un diverso significato concettuale, consiste nel calcolare la percentuale di area in frana all'interno di ogni UTO e nel fornire come valore di output questa stessa percentuale normalizzata tra zero ed uno come un valore di indice di franosità. Il risultato di uscita generato dalla rete avrà quindi un valore proporzionale al grado di appartenenza di quella UTO alla classe frane ed oscillerà tra certezza di presenza (1) e certezza di assenza (0) nel primo caso e tra massima (1) e minima suscettibilità (0) nel secondo. E ovvio tuttavia che questi due valori e- stremi potranno verificarsi solo in un piccolissimo numero di casi. I due metodi di assegnazione dei valori di u- scita alle UTO (presenza/assenza o indice di franosità) dipendono dagli scopi che si debbono conseguire e dalla tipologia del fenomeno da individuare o prevedere. Se lo scopo è la previsione di aree a probabile mobilizzazione (suscettibilità s.s.) allora l approccio ad indici percentuali di franosità è il più corretto. Se in-

24 Pagina 24 vece quello che si vuole cercare sono i corpi di frana già esistenti ma non mappati nell inventario, addestrando la rete a riconoscere gli indizi geomorfologici e geologici di presenza di una massa spostata, allora il sistema più corretto è quello di sovrapporre alle UTO anche i poligoni di frana e generare nuove UTO con presenza o assenza di frana. Per i motivi suddetti, una volta determinati i valori di uscita per ogni UTO essi dovranno essere poi riclassificati alla luce dei dati reali dell inventario e rimappati sulla cartografia. L applicazione della rete neurale suddetta nel contesto dell intero territorio del bacino dell Arno richiede ovviamente delle speciali cautele. In base a quanto già spiegato, infatti, una ANN riflette nella previsione la qualità dell esperienza che ha raggiunto durante la fase di apprendimento. Ogni ANN raggiunge quindi un grado di accuratezza tanto maggiore quanto più specifico è il suo addestramento ed utilizzo. La ricerca di un unica rete neurale valida per tutto il bacino dell Arno e per tutte le tipologie di frana è quindi teoricamente poco sostenibile e rischia di essere un semplice esercizio concettuale. Se si affrontano poi i problemi pratici di applicazione la necessità di trovare una metodologia di maggiore flessibilità diviene ancor più palese. Si delinea quindi la necessità di sviluppare una metodologia più flessibile, tale da permettere una facile e relativamente stabile calibrazione delle equazioni di regressione. Tale metodologia non può prescindere dalle due considerazioni chiave che, i) una sola rete neurale non è sufficiente per descrivere con la precisione richiesta tutto il bacino dell Arno e, ii) che non tutte le aree del bacino stesso possono essere utilizzate per la fase di addestramento. 1. Scelta delle tipologie di frana per le quali condurre l analisi statistica (in prima istanza, ci si occuperà prevalentemente di riattivazione di frane di scivolamento a cinematismo lento). 2. Costruzione delle UTO alla scala 1:25000, a partire dai fattori predisponenti prescelti per quella particolare tipologia di frana e previa una loro opportuna riclassificazione sulla base di quanto dettagliato nel capitolo sulla statistica descrittiva. 3. Suddivisione dal bacino di studio in zone con caratteristiche fisiografiche e geomorfologiche omogenee. 4. Individuazione, all interno delle zone di cui al punto precedente, di aree campione nelle quali l inventario risulti sufficientemente completo ed omogeneo. 5. Generazione ed addestramento delle ANN su ogni area campione. 6. Validazione delle ANN e scelta della rete migliore per ogni diversa area campione. 7. Applicazione della ANN prescelta a tutta la zona fisiografica omogenea di competenza. 8. Riclassificazione dei risultati di uscita delle ANN secondo classi di pericolosità in base a criteri di soglia. 9. Unione cartografica di tutti i risultati ottenuti ed individuazione delle aree a maggiore integrazione (aree nelle quali le ANN prevedono molti più fenomeni di quanti presenti nell inventario) In una successiva fase di applicazione di routine la varie ANN non sarebbero generate exnovo ma semplicemente calibrate con i nuovi dati dell inventario aggiornato, al fine di ottenere statistiche di previsione sempre più accurate.l utilizzo della procedura sopra descritta permette di effettuare una zonazione del territorio in 4 classi di suscettibilità di frana, da S0 (suscettibilità nulla), fino ad S3 (suscettibilità massima). L approccio da adottare deve essere strutturato secondo le fasi seguenti:

25 Pagina 25 Legend Landslide susceptibility Levels H0 H1 H2 H3 Meters ,000 1,500 2,000 Figura 16 esempio di carta di suscettibilità. Previsione temporale Il passo successivo, al fine di ottenere una previsione temporale della pericolosità di frana, consiste nella sovrapposizione alla carta di suscettibilità della carta inventario dei fenomeni franosi aggiornata all interno del progetto SLAM (prodotto 1). Le aree in frana mappate nella carta inventario vengono in una prima fase riclassificate sulla base dello stato di attività in due sole classi: frane attive e frane i- nattive. Quest ultima classe contiene sia le frane mappate come inattive che quelle quiescenti. La sovrapposizione della carta inventario, riclassificata in questo modo, sulla carta di suscettibilità permette di ottenere il prodotto finale. Questo consiste in una zonazione del territorio in 5 classi, da H0 (pericolosità nulla) ad H4 (pericolosità massima). L ultima classe (H4) è costituita dalle sole frane attive, mentre la classe H3 è costituita dall integrazione fra le frane quiescenti ed inattive e le aree caratterizzate dal livello massimo di suscettibilità (S3). Questo prodotto permette di ottenere una previsione temporale della pericolosità all interno delle aree in frana, mentre definisce la propensione del territorio al verificarsi di fenomeni franosi, in relazione a diverse combinazioni di fattori preparatori, nelle restanti porzioni del bacino. Per una valutazione quantitativa della pericolosità, utile per il successivo calcolo del rischio di frana, è in genere opportuno tentare di quantificare in termini di probabilità le informazioni, anche se frammentarie, sulla incidenza dei fenomeni. Se di definisce P come la probabilità di occorrenza annua di un evento franoso, il tempo di ritorno T dell evento è dato da 1/P. La probabilità di occorrenza di m eventi in un periodo di N anni è data dall espressione della distribuzione binomiale: N m N m P m N =! (, ) P (1 P m!( N m)! ). Nel caso di eventi rari rispetto al numero di anni considerato (per N>30 oppure per P<0.02 l errore è inferiore all 1%) la distribuzione binomiale può essere approssimata dalla distribuzione di Poisson: P( m, N) = ( NP) m NP e m! La pericolosità H è definita come la probabilità di occorrenza di almeno un evento franoso in un periodo di N anni ovvero come:

26 Pagina 26 H ( N) = 1 P( m = 0, N) pertanto in base alla distribuzione binomiale essa è data da: H ( N ) N 1 = 1 (1 P) = 1 1 mentre per la distribuzione di Poisson da: H( N) = 1 e NP = 1 e N / T Per eventi ancor più rari rispetto al numero di anni considerato (per NP<0.02 l errore è inferiore all 1%) l espressione può essere approssimata semplicemente da: H ( N) NP = N T T Le probabilità di occorrenza possono essere determinate sia in termini assoluti (valori di probabilità annuale o tempi di ritorno) oppure secondo scale nominali (es. molto probabile, poco probabile, etc.). A questo proposito si deve osservare che è spesso difficile associare ad un determinato valore di probabilità una valutazione intuitiva del grado di pericolosità. Un contributo per l interpretazione della ricorrenza delle riattivazioni di frane a cinematica lenta è stato proposto da DEL PRETE et al. (1992), anche sulla base delle considerazioni esposte da CROZIER (1984) per la valutazione sul terreno della stabilità dei versanti. Una seconda proposta, di validità generale, è presentata da FELL (1994). N Le due scale differiscono notevolmente fra loro: un evento con tempo di ritorno di 50 anni è considerato di pericolosità molto bassa da DEL PRETE et al. (1992) e medio-elevata per FELL (1994). Tale differenze sono da imputare alle differenti finalità perseguite dai due autori e alla diversa metodologia proposta per la valutazione della pericolosità. FELL (1994) ha proposto una scala di utilizzo generale che può essere impiegata in diverse situazioni geologiche e per diversi tipi di frana; inoltre per la valutazione completa della pericolosità l autore propone di moltiplicare il valore di probabilità per il volume della massa franata (che esprime l intensità del fenomeno). DEL PRETE et al. (1992) hanno invece considerato riattivazioni di frane a cinematica lenta, e quindi caratterizzate tutte da bassa intensità, per cui il valore di probabilità è usato direttamente per quantificare la pericolosità; inoltre tali autori si trovano ad operare in una regione con caratteristiche geologiche e meteorologiche tali da determinare un elevata frequenza delle riattivazioni, per cui una classificazione cautelativa dei livelli di pericolosità si ripercuoterebbe in maniera troppo onerosa, in termini economici, nella fase di calcolo del rischio e della successiva pianificazione territoriale. La ricorrenza dei fenomeni franosi può essere stimata soggettivamente in base alle informazioni di carattere generale sul quadro della franosità in una determinata zona. Molto spesso un attendibile previsione temporale è pregiudicata dalla frammentarietà e della disomogeneità delle informazioni sul occorrenza degli eventi franosi. Classe Pericolosità T (anni) Tipo di frana 1 MOLTO ELEVATA < 2 continua o stagionale 2 ELEVATA 2-5 intermittente 3 MEDIA 5-20 intermittente 4 BASSA intermittente 5 MOLTO BASSA > 50 intermittente Classi di pericolosità di frana in base al tempo di ritorno (da DEL PRETE et al., 1992).

27 Pagina 27 Pericolosità T (anni) P (annuale) ESTREMAMENTE ELEVATA 1 1 MOLTO ELEVATA ELEVATA MEDIA BASSA MOLTO BASSA Scala di pericolosità delle frane in base al tempo di ritorno (da FELL, 1994). E comunque indispensabile raccogliere il maggior numero di informazioni possibile sulla ricorrenza temporale dei fenomeni franosi in quanto tali informazioni, seppur frammentarie, possono servire a delineare dei modelli di comportamento per frane di determinata tipologia in elementi territoriali omogenei. All interno del progetto SLAM le informazioni sulla ricorrenza dei fenomeni franosi mappate nella carta inventario sono state ottenute da diverse fonti, comprendenti data-base locali raccolti dai singoli comuni o da altri enti pubblici e dall Autorità di Bacino del F. Arno, i dati raccolti nell ambito dei progetti AVI (Aree Vulnerate Italiane) e SCAI (Studio dei Centri Abitati Instabili) del Gruppo Nazionale per la Difesa dalle Catastrofi Idrogeologiche. In aggiunta le informazioni sullo stato di attività, per le frane caratterizzate dalla presenza di PS, sono state desunte anche dalla velocità media degli scatteratori presenti all interno del corpo di frana, calcolata su due intervalli temporali: e Queste due serie di dati sono servite per discriminare tra frane attive, quiescenti ed i- nattive. In funzioni di questi dati è stata associato un tempo di ritorno e quindi una probabilità di occorrenza annuale per ognuna delle classi di pericolosità, come indicato nella tabella riportata di seguito. Il tempo di ritorno è stato valutato pari ad 1 anno per la classe a più elevata pericolosità (h4), comprendendo questa classe solo frane attive. Per la classe H3 è stato scelto il valore di 10 anni, essendo questa classe caratterizzata dalla presenza di frane quiescenti (mosse quindi entro gli ultimi 10 anni), inattive ed aree con un elevata incidenza di fattori predisponesti l occorrenza di fenomeni franosi. Per le ultime due classi, a pericolosità media e bassa, sono stati selezionati tempi di ritorno facendo riferimento a quelli più comunemente riportati in letteratura, come nei casi sopra citati. Pericolosità T (anni) P (annuale) H4-ESTREMAMENTE ELEVATA 1 1 H3-ELEVATA H2-MEDIA H1-BASSA H0-NULLA - - Scala di pericolosità delle frane in base al tempo di ritorno utilizzata all interno del progetto SLAM.

28 Pagina 28 Legend LandslideSLAM Landslide susceptibility Levels H0 H1 H2 H3 Meters ,000 1,500 2,000 Legend LandslideSLAM State of activity H4 H3 Landslide susceptibility Levels H0 H1 H2 H3 Meters ,000 1,500 2,000 Figura 17 Carta inventario delle frane sovrapposta alla carta di suscettibilità (sopra) e carta di pericolosità finale (sotto).

29 Il servizio SLAM Pagina 29 Il caso del Bacino dell Arno L immagine mostra la carta di suscettibilità prodotta per una porzione del bacino del Fiume Arno in sovrapposizione alla Mappatura degli eventi franosi. Legend LandslideSLAM Landslide susceptibility Levels H0 H1 H2 H3 Meters ,000 1,500 2,000 Figura 18 Carta inventario delle frane sovrapposta alla carta di suscettibilità Figura 19 Carta sulla suscettibilità per una porzione del bacino dell Arno (Valdarno inferiore). PRODOTTO FINALE Il prodotto finale consiste in una zonazione di tutta l area in esame secondo quattro classi a livello crescente di suscettibilità di frana e una carta di pericolosità per le aree in frana.

30 Pagina 30 Tool di integrazione GIS I livelli informativi prodotti dal servizio SLAM sono tutti in formato Esri Shapefile secondo il sistema di proiezione richiesto e pertanto perfettamente integrabili nell ambiente GIS dell utente. La mole di informazioni contenuta nei prodotti SLAM può essere facilmente gestita con l utilizzo del Tool di integrazione GIS fornito dallo stesso servizio. In primo luogo, il Tool consente di tematizzare il livello informativo dei diffusori permanenti (PS) sia in relazione alle velocità di spostamento registrate, sia rispetto ai valori di coerenza di ciascun punto. In questo modo, la visualizzazione dei punti di misura risulta molto efficace in quanto facilita l identificazione delle aree contraddistinte da maggiore o minore stabilità. Inoltre, il Tool consente di interrogare il database per individuare, ad esempio, le aree dove si registrano movimenti più intensi in un determinato arco temporale. Un ulteriore vantaggio è offerto dalla possibilità d incrociare rapidamente le informazioni contenute nei diversi livelli informativi così da individuare l entità degli spostamenti registrati dai punti di misura in relazione alle classi di pendenza, o di esposizione dei versanti, o ancora in relazione alla diversa copertura del suolo. Infine, è possibile visualizzare in ambiente GIS i grafici delle misure dei PS registrate in funzione del tempo per tutto il periodo di osservazione. I grafici restituiscono l andamento dei valori di spostamento millimetrico registrati con frequenza mensile per ogni singolo punto o anche per un insieme di punti con comportamento simile. Overlaying in ArcGIS dei diversi livelli tematici prodotti dal servizio SLAM Esempi di utilizzo Questa sezione presenta alcuni esempi ed e- sercizi per gli utenti al fine di consentire di facilitare l'utilizzo del tool di integrazione GIS. Gli esempi di utilizzo rappresentano un modo di iniziare l'analisi spaziale del dato SLAM relativamente sia al livello informativo dei PS e sia ai livelli tematici correlati. Il tool di integrazione GIS può essere utile per compiere analisi statistiche relative allo spostamento del terreno in relazione all'uso del suolo e ai valori di pendenza. "setup.exe" e seguendo le istruzioni di installazione del wizard. L'installazione del software include la possibilità di interrogare e visualizzare il database dei PS fornito con il tool e alcuni livelli tematici relativi all'area di interesse. L'utente ha la possiblità di inserire nuove informazioni sui punti di misura, importando file in formato Microsoft Excel contenenti le misurazioni puntuali e seguendo i passaggi successivi descritti nel paragrafo seguente. La prima procedura da compiere riguarda l'installazione del software. Il kit di installazione fornito con il tool consente di installare automaticamente l'applicazione lanciando il file

31 Page 31 Procedura di import di un nuovo database di punti di misura L utente ha la possibilità di importare nel sistema un nuovo database di punti di misura. E importante che il nuovo database sia in formato Microsoft Excel e che i campi della tabella seguano la nomenclatura indicata nell immagine 1. Immagine 1 Stralcio del file Microsoft Excel, mostrante i nomi dei campi da assegnare al file in import La procedura segue diversi passaggi illustrati di seguito. Il tool comprende nel kit di installazione un file dei punti misura, ma l utente ha la possibilità di inserire nuovi layer relativi ai PS, importando un file in formato MS Excel contenente i valori degli spostamenti puntuali seguendo i seguenti passaggi. 1. Aprire il database dei punti di misura in formato Microoft Access, che si trova all interno della directory C:\SLAM. Questo file è denominato "slam.mdb". 2. Cliccare, in ambiente Access, con il tasto destro nella sezione dedicata alle Tabelle. Comparirà un menù a cascata, come mostrato nell Immagine Seleziona "Collega tabelle..." 4. Seleziona lil file Excel che contiene i nuovi valori di spostamento puntuale che si desidera importare nel sistema. 5. Seguire le istruzioni del wizard Access e inserire la seguente stringa nel campo nome della tabella collegata : linked_excel_stablepointmap 6. Completare il wizard di Access. Immagine 2 7. Aprire il progetto "PS_selection_tools.mxd" localizzato nella directory C:\SLAM e aggiornare il database del sistema cliccando sul pulsante "DB Management", "Update PS", come mostrato nell Immagine 3 Immagine 3

32 Page 32 Esempio n. 1 - Aprire il progetto in ArcGIS con la caratterizzazione dei PS Obiettivo: visualizzare il punti di misura classificati secondo velocità e coerenza e assegnare un identificativo per ogni punto nella mappa. 1. Aprire il progetto PS_selection_tools.mxd presente all interno della directory C:\SLAM. 2. ArcMap mostrerà accanto all insieme dei pulsanti standard, una nuova serie di comandi indicati nell immagine in basso, questi rappresentano la toolbar SLAM di selezione dei PS. Toolbar di selezione dei PS 3. L elenco degli strati informativi include i vari layers usati durante l analisi dei PS. In particolare, il layer denominato PS è necessario che sia sempre attivo per permettere la selezione e l analisi dei PS nella mappa, sebbene la visualizzazione sia data dal layer PS legend. Inoltre, il layer PS event rappresenta la possibilità di recuperare documenti o altro materiale relativo ad ogni PS. Questa possibilità può essere realizzabile se nel file originale di import in formato Excel contenente i valori dei punti di misura (da collegare al file Access slam.mdb come descritto nel paragrafo precedente) il campo hyperlink contiene riferimenti a documenti, foto o altro materiale legato ai PS.

33 Page 33 Esempio n. 2 - Visualizzare il grafico delle serie temporali per un solo punto Obiettivo: visualizzare il grafico delle serie temporali dei PS nell ambito di un determinato intervallo temporale. 1. Aprire il progetto PS_selection_tools.mxd all interno della directory: C:\SLAM. La lista degli strati tematici inerenti l analisi SLAM sarà mostrata nella vista. Per esempio, nel caso di Campolattaro in Campania verranno visualizzati i seguenti livelli tematici: layer dei PS; layer delle frane; ortofoto it2000; Corine land cover ; mappa delle pendenze. Nuovi layer tematici possono essere inseriti nel progetto utilizzando il pulsante Add features di ArcGIS. La legenda del layer dei PS mostra la caratterizzazione dei PS in relazione alle classi di velocità e ai valori di coerenza. Cliccando con il tasto destro il layer PS e selezionado la voce Label feature, ogni PS sarò contraddistinto da un codice identificativo nella mappa. Nel caso di Campolattaro il layer delle frane mostra tutti i poligoni individuati dall analisi SLAM. 1. Cliccare sul pulsante di T i m e range e settare un determianto intervallo di tempo nella finestra che appare nella vista. 2. Cliccare OK. 3. Selezionare un punto nella mappa utilizzando il pulsante di ArcGIS. 4. Cliccare il pulsante Line chart button nella toolbar di selezione dei PS, per visualizzare la serie temporale all interno di un intervallo definito di tempo come mostrato nell immagine accanto.

34 Page 34 Esempio n. 3 - Visualizzazione del grafico delle serie temporali per più di un punto di misura Obiettivo: visualizzare il grafico delle serie temporali dei PS per più punti contemporaneamente nell ambito di un determinato intervallo temporale. 1. Seguire i passaggi dall 1 al 2 dell esempio n.2 utiliz- featu- 2. Selezionare un insieme di punti d interesse nella mappa zado il pulsante Select res di ArcGIS. 3. Cliccare il pulsate della Line chart nella toolbar di selezione dei PS per visualizzare il grafico delle serie temporali per tutti i PS selezionati nella mappa, entro un intervallo temporale definito. 4. Il grafico presenta un pulsante di Opzioni Avanzate, che consente di personalizzare il layout del grafico modificando l intestazione lo stile e la legenda. Le opzioni avanzate consentono anche di modificare la visualizzazione dei dati di misura al fine di focalizzare l attenzione su un particolare arco di tempo. La finestra del grafico consente di visualizzare il grafico sottoforma di linee o punti. Il grafico con i cambiamenti così apportati può essere stampato.* * E importante notare che se il numero dei PS selezionati supera i 10 punti, non sarà possibile avere il grafico dei trend corrispondenti. Ad ogni modo, è possibile modificare il numero massimo dei PS da analizzare allo stesso tempo tramite grafico, eseguendo le istruzioni di seguito: - Chiudere il progetto PS_selection_tools.mxd - Aprire il file parametres.txt nella directory C:\ SLAM. - Modificare il valore numerico nella prima riga, sostituendolo con il numero dei PS che si desidera analizzare contemporaneamente. - Ecco la riga dove sostiutire il valore numerico: cstmaxpsgraph = 10 - Salvare il file e chiudere per tornare sul progetto PS_selection_tools.mxd.

35 Page 35 Esempio n. 4 - Selezionare punti di misura con un trend di spostamento simile nel tempo Obiettivo: selezionare PS con un trend di spostamento simile all interno di un determinato intervallo di tempo 1. Seguire i passaggi da 1 a 2 dell Esempio n.2 2. Cliccare sul menu a cascata Selection Tools e cliccare PS with similar trends. 3. PS by similar trends consente di distinguere punti di misura con un attività recente rispetto a punti di misura attivi nel passato. Recent Activity si riferisce alla velocità media misurata negli ultimi 2 anni, mentre old activity si riferisce alla velocità media all interno del periodo che va dalla prima acquisizione fino a 2 anni prima dell ultima acquisizione. Selezionando Recent activity nella finestra by similar trend, il tool restituirà tutti i PS che presentano una velocità media negli ultimi 2 anni più alta rispetto alla velocità media nell intero periodo fino a 2 anni prima dell ultima acquisizione. Selezionando Old activity è possibile ottenere tutti i PS che presentano, nel periodo precedente agli ultimi 2 anni, una velocità media più elevata rispetto alla velocità registrata negli ultimi 2 anni. La finestra by similar trend due scelte di seguito riportate: 1. Select: è possibile visualizzare sulla mappa tutti i PS risultato della query relativa al trend di spostamento ( Recent or old activity ) 2. Select and View: è possibile visualizzare sulla mappa tutti i PS risultato della query relativa al trend di spostamento e nello stesso tempo visualizzare il grafico dei corrispondenti andamenti.

36 Page 36 Esempio n. 5 - Selezionare punti di misura con un trend di spostamento simile nel tempo all interno di un area definita Obiettivo: selezionare PS con andamento simile all interno di una determinata area. Questo esempio illustra come selezionare punti di misura con andamento simile all interno di un corpo di frana. 1. Aprire il progetto PS_selection_tools.mxd 2. Selezionare un poligono di frana usando il pulsante di ArcMap Select features. 3. Cliccare il menu a cascata Selection Tools, e clicca PS by similar trend (area selection) 4. Comparirà la finestra by similar trend in a selected area. 5. Impostare l intervallo di tempo entro il limite desiderato per l analisi dei punti di misura. 6. Nel campo select the trend, selezionare l opzione per analizzare i punti con attività recente o passata (recent or old activity). 7. Impostare il valore di buffering intorno al poligono franoso. Per esempio impostare una distanza di 10 metri.

37 Page 37 Esempio n. 5 - Selezionare punti di misura con un trend di spostamento simile nel tempo all interno di un area definita 8. Cliccare il pulsante Select and View per visualizzare il grafico creato che mostra contemporaneamente tutte le serie temporali che hanno andamento simile all interno della stessa area.

38 Page 38 Esempio n. 6 - Selezionare punti di misura caratterizzati da un certo intervallo di velocità Obiettivo: il pulsante PS by velocity range consente di selezionare tutti i PS che hanno una determinata velocità media all interno di un certo intervallo di tempo. Questo consente anche di visualizzare il grafico corrispondente per I punti selezionati. 1. Seguire i passaggi da 1 a 2 dell Esempio n.2 2. Cliccare il menu a cascata Selection tools, e quindi cliccare PS by velocity range. 3. Impostare un intervallo di valori per la velocità, ad esempio 3 and 4 mm/anno. In questo modo saranno restituiti nella mappa tutti i PS caratterizzati da quel determinato intervallo di velocità nell ambito dell arco temporale impostato precedentemente. 4. Cliccare Select and View 5. Se i punti selezionati sono in numero inferiore a 10, cliccare OK 6. Il grafico delle serie temporali verrà mostrato come illustrato nelle immagini nella pagina affianco. Se il numero dei punti selezionati è più alto di 10, in questo caso non sarà possibile visualizzare il grafico. Ad ogni modo è possibile modificare le proprietà impostate di default come indicato nella nota all esempio n. 3.

39 Page 39 Esempio n. 6 - Selezionare punti di misura caratterizzati da un certo intervallo di velocità

40 Page 40 Esempio n. 7 - Selezionare punti di misura localizzati all interno di una determinata area tematica Obiettivo: il tool consente di selezionare tutti i punti di misura localizzati in una determinata area caratterizzata ad esempio da un determinato uso del suolo. Questo consente di visualizzare anche il grafico corrispondente per tutti i punti selezionati. 1. Aggiungere al progetto il layer tematico dell uso del suolo. 2. Selezionare i punti di misura all intero di una area coperta da una certa classe di uso del suolo, clic care il pulsante Selection Tools, selezionare PS by thematic map. 3. Nel campo Select the correlate layer della finestra by thematic layer, selezionare corine. 4. Nel campo Field list selezionare code_ Per selezionare una particolare classe di uso del suolo, ad esempio, identificata nel database dal codice 211, impostare l intervallo dei valori fra 211 e Cliccare Select.

41 Page 41 Esempio n. 7 - Selezionare punti di misura localizzati all interno di una determinata area tematica 7. Il tool restituirà 181 punti di misura. La mappa verrà automaticamente centrata sull insieme dei punti selezionati.

42 Page 42 Esempio n. 7 - Selezionare punti di misura localizzati all interno di una determinata area tematica Obiettivo: selezionare tutti i PS localizzati all interno di una determinata area caratterizzata da una particolare classe di pendenza. Questo consente di visualizzare anche il grafico corrispondente per i punti selezionati. 1. Aggiungere lo strato informativo delle pendenze. 2. Per selezionare i punti all interno di un area con un certo tipo di copertura vegetale cliccare il pulsante Selection Tools e quindi PS by thematic map. 3. Nel campo Select the correlate layer della finestra by thematic layer, selezionare la voce slope_polygon. 4. Nel campo Field list, selezionare GRIDCODE. 5. Impostare l intervallo dei valori di pendenza per esempio fra 5 e 6.

43 Page 43 Esempio n. 7 - Selezionare punti di misura localizzati all interno di una determinata area tematica 6. Cliccare Select. 7. Il tool restituirà i punti di misura localizzati nell area selezionata. La mappa centrerà automaticamente lo zoom sui punti selezionati.

44 Il servizio SLAM Pagina 44 La tecnica dei diffusori permanenti L approccio PS si basa sull osservazione di un piccolo sottoinsieme di bersagli radar, costituito appunto dai diffusori permanenti (Permanent Scatterers, PS). I PS sono tipicamente parti di edifici, strutture metalliche, rocce esposte, in generale elementi già presenti al suolo, le cui caratteristiche elettromagnetiche non variano sensibilmente di acquisizione in acquisizione; questo non accade invece alla vegetazione, il cui a- spetto muta di continuo. La figura a destra mostra una rappresentazione schematica delle basi teoriche delle tecniche interferometrica classica e PS. L elaborazione PS prende origine da uno studio studio statistico delle immagini radar e segna un passaggio da un analisi per coppie di immagini, tipica dell interferometria differenziale classica (DInSAR), ad un analisi multiimmagine - l intero dataset disponibile sull area di interesse - per selezionare l insieme dei PS. In corrispondenza dei PS è possibile stimare e rimuovere il disturbo atmosferico, utilizzando le serie storiche delle acquisizioni, e isolare il contributo dovuto a possibili deformazioni superficiali. densità spaziale dei PS sia sufficientemente elevata (maggiore di 5-10 PS/km 2 ), vincolo sempre verificato in aree urbane, e utilizzare per l analisi dataset di almeno immagini. Per ogni singolo PS si ricavano la posizione (le sue coordinate geografiche: latitudine, longitudine, altezza) il trend medio di deformazione, con un accuratezza compresa tra 0.1 e 1 mm/anno, e l intera serie temporale di deformazione (in questo caso la precisione arriva a 1 mm su ogni singola misura, per i PS migliori, ed è tale da far apprezzare fenomeni di dilatazione termica stagionale di singole strutture). La precisione è funzione del numero di immagini e della qualità del PS stesso, cioè di quanto l informazione di fase del PS sia immune dai fenomeni di disturbo. Tutte le misure sono rilevate lungo la congiungente sensore-bersaglio (LOS, Line of Sight), e sono di tipo differenziale, ottenute dopo avere determinato uno o più punti di riferimento a terra, di coordinate note e supposti fermi (indicati come tali ad esempio da misure GPS o di livellazione ottica). Gli algoritmi di elaborazione numerica sono frutto di oltre dieci anni di studi e ricerche del gruppo SAR, del Politecnico di Milano. Si può immaginare la griglia dei PS come una sorta di rete di stazioni GPS (Global Positioning System) naturali per il monitoraggio di vaste aree di interesse, con una frequenza di aggiornamento del dato mensile e con una densità spaziale di punti di misura estremamente elevata (in aree urbane fino a PS/km 2 ). Per eseguire stime accurate dei disturbi atmosferici è necessario che la tempo T 0 tempo T 0 + t λ = 5.66 cm R 1 R 2 = R 1 LOS Line of Sight PS R 1 R 2 Interferometria 35 (o più) giorni 1 acquisizione 2 acquisizione r Variazione riflettività PS Baseline Disturbi atmosferici r Caposaldo stabile Rappresentazione schematica della tecnica PS

45 Il servizio SLAM Pagina 45 Mappa di deformazione dei PS sovrapposta ad un immagine SPOT in visualizzazione 3D. Vantaggi e limiti della tecnica dei diffusori permanenti (PS) VANTAGGI Archivio storico a partire dal 1992 Velocità accurate fino a 0,1 mm/anno Riferimento WGS84 (scala da 1: :25000) possibili indagini su fenomeni passati misure differenziali con accuratezza elevata sul trend di deformazione: velocità media PS: fino a 0,1 [mm/anno] Accuratezza sulla singola misura: Spostamento verticale PS: fino a 1 mm; Spostamento est-ovest PS: fino a 1 cm elevata densità spaziale di capisaldi radar (in area urbana fino a ~400 PS/ Kmq), già presenti sul territorio abbattimento dei costi e dei tempi di indagine su larga scala per la zonazione del territorio integrabilità in ambiente GIS applicazioni sinergiche con altre tecniche di rilevamento accuratezza verticale delle misure superiore rispetto alla tecnica GPS LIMITI moti rapidi (superiori a 1 cm/35 giorni) non possono essere monitorati senza informazioni a priori monitoraggio in tempo reale impossibile: frequenza del dato (35 giorni) anche se è possibile integrare più geometrie di acquisizione assenza di misure in aree senza bersagli radar (necessità di installare capisaldi artificiali) difficile previsione della posizione dei PS su aree non urbane elaborazione minima: immagini radar carico computazionale elevato

46 Pagina 46 Glossario Analisi Avanzata: Advanced PS Processing [APSA] L analisi avanzata, computazionalmente molto onerosa e caratterizzata da un elevata interazione con un utente esperto, viene utilizzata per l analisi accurata dei movimenti individuati. Indicata per aree limitate, consente di massimizzare il contenuto informativo estraibile dai dati SAR disponibili. La procedura da utilizzare deve essere tarata sulle caratteristiche della specifica area. Il prodotto fornito contiene, per ciascun PS identificato, sia la stima di velocità sul periodo preso in esame, sia la serie storica di deformazione. Analisi Standard: Standard PS Processing [SPSA] L analisi Standard consente il monitoraggio di vaste aree: si basa su un algoritmo fortemente automatizzato che minimizza l interazione uomo-macchina e permette l estrazione di informazione su zone molto ampie. Il prodotto fornito contiene la stima delle velocità di ciascun PS identificato e le serie storiche di spostamento dei soli PS ad alto rapporto segnale-rumore. Viene generalmente utilizzata per l analisi a scala di bacino e la perimetrazione di zone su cui andare a svolgere ulteriori analisi. DInSAR La tecnica tradizionale per lo studio dei dati SAR è l interferometria differenziale (Differential SAR Interferometry - DInSAR), che si basa sull analisi dell evoluzione del valore di fase tra due distinte acquisizioni, in modo da mettere in luce eventuali differenze riconducibili a fenomeni di deformazione, topografia o disturbi atmosferici. Il valore di fase di un immagine SAR è costituito da diversi contributi relativi alla riflettività del bersaglio (dipendente dal materiale e dalla sua geometria), alla presenza dell atmosfera, alla distanza sensore-bersaglio e ad un inevitabile rumore proprio del sistema di acquisizione. L obiettivo della tecnica interferometrica è quello di isolare gli effettivi contributi di fase dovuti al movimento del bersaglio e non imputabili ad altri disturbi, ovvero stimare accuratamente la differenza di cammino ottico r dell onda elettromagnetica trasmessa in due successive acquisizioni e retro-diffusa dal medesimo bersaglio a terra. La fase di una singola immagine SAR non è utilizzabile, perché risulta impossibile discriminare un contributo dall altro. Se si hanno, però, due acquisizioni relative alla stessa area, accuratamente registrate sulla stessa griglia di riferimento, è possibile utilizzare l'informazione contenuta in esse. In questo caso, si genera un interferogramma, sottraendo la fase di un'immagine a quella dell'altra. Se non avvengono particolari cambiamenti nel periodo tra le due acquisizioni, i contributi dovuti alla riflettività si elidono e la fase dell'interferogramma dipende, con buona approssimazione, solo dalla distanza sensorebersaglio e quindi da eventuali movimenti intercorsi tra le due acquisizioni (a parte i contributi spuri dovuti all atmosfera e al rumore). I limiti dell approccio tradizionale L analisi DInSAR non è diventata uno strumento operativo di analisi e monitoraggio molto diffuso per i diversi effetti che ne riducono (o addirittura compromettono) la qualità dei risultati. In primo luogo, i fenomeni di decorrelazione temporale che sono causati dalla variazione delle proprietà elettromagnetiche (riflettività) dei bersagli radar nel tempo: in questo caso l ipotesi che il contributo di riflettività si elida, generando l interferogramma, non è più verificata. Questi fenomeni risultano più marcati al crescere dell intervallo di tempo - baseline temporale - tra le due acquisizioni utilizzate. Le zone coperte da vegetazione, facilmente influenzabili dal vento e di diverso aspetto a seconda della stagione, sono fonte di decorrelazione, mentre i centri urbani e le rocce esposte rimangono maggiormente stabili nel tempo (cambiamenti possono essere causati anche da altri eventi atmosferici quali pioggia o neve). La qualità dell'interferogramma dipende anche dalla distanza tra le due orbite effettivamente percorse dal sensore durante l acquisizione delle due immagini - baseline normale o geometrico. Si può dimostrare che maggiore è il valore assoluto del baseline, minore è la banda comune tra i due segnali e quindi minore è il rapporto segnalerumore relativo all'interferogramma da esse generato. Questo tipo di disturbo prende il nome di decorrelazione geometrica.

47 Il servizio SLAM Pagina 47 Nelle immagini in basso sono mostrati gli effetti di disturbo prodotti dalle decorrelazioni temporale e geometrica su un interferogramma di fase. L interferogramma a) è stato ottenuto utilizzando due acquisizioni a distanza di 1 giorno e con una differenza, tra le orbite nominali, pari a 123 m. Visto il limitato intervallo di tempo, le condizioni della scena non mutano sensibilmente, infatti l interferogramma presenta una buona coerenza e sono pressoché assenti nell immagine fenomeni di rumore. Le frange sono ben visibili e corrispondono a variazioni di fase, cioè alla variazione della distanza sensore-bersaglio, pari ad un ciclo, di fatto costituite solamente dalla componente topografica della zona campione. Si può osservare nell interferogramma b) come, aumentando l intervallo temporale tra le due acquisizioni, 1984 giorni, ma mantenendo quasi inalterata la componente di baseline normale (149 m), subentrino sensibili disturbi dovuti a decorrelazione temporale e venga a mancare la coerenza presente nel caso a). Nell interferogramma c) i valori di baseline temporale e normale sono entrambi elevati: l immagine appare completamente rumorosa e perde completamente di coerenza. a b c Le immagini mostrano interferogrammi e disturbi dovuti a decorrelazione temporale b) e geometrica c). ERS 1-2 I due satelliti ERS (European Remote Sensing Satellite) realizzati dall'agenzia Spaziale Europea (ESA) e lanciati nel luglio del 1991 e nell'aprile del 1995, forniscono immagini con una periodicità di 35 giorni. L'orbita è circolare, quasi polare, eliosincrona, ad un'altezza di circa 785 Km. I satelliti ERS 1-2 montano a bordo un sensore Radar ad Apertura Sintetica (SAR) operante in banda C in due modalità: Image Mode, con una copertura di circa 100 km con risoluzione spaziale di 4m in azimuth e circa 20 in ground range. Wave Mode, acquisendo immagini di 5kmx5km, alla risoluzione di 30 m. I satelliti ERS in circa 10 anni di attività hanno permesso di costruire un importante archivio storico, che è stato utilizzato per studiare e sperimentare le tecniche di Interferometria SAR e le loro applicazioni per il monitoraggio della deformazione della terra dovuta a diversi fenomeni, tra cui la subsidenza e l instabilità di versante. Immagini radar e immagini ottica Le immagini radar sono acquisite da sensori SAR (Radar ad Apertura Sintetica). Il SAR è un sensore attivo che è in grado di acquisire immagini in qualunque condizione atmosferica, in quanto operando nella regione delle microonde non risente in maniera significativa della presenza di eventuali nubi. Inoltre, a differenza delle immagini ottiche, è in grado di acquisire immagini sia di giorno che di notte. Queste caratteristiche permettono il monitoraggio delle aree esposte al rischio frana anche durante periodi caratterizzati da intense piogge. Le immagini ottiche vengono acquisite da sensori multispettrali e pancromatici. I sensori con canali multispettrali

48 Pagina 48 e pancromatici sono numerosi e variano per le caratteristiche di risoluzione spaziale e temporale (es. IKONOS: risoluzione spaziale 1m e 4m; risoluzione temporale:1.5-3 giorni, SPOT5: risoluzione spaziale 5-2.5m/10m; risoluzione temporale: 26 giorni, Quickbird: risoluzione spaziale 0.61m/2.44m; risoluzione temporale: giorni). Nel caso specifico del monitoraggio delle frane i sensori ottici possono essere utilizzati per estrarre informazioni sui fattori gemorfologici legati alla stabilità del versante o per monitorare l evoluzione delle condizioni climatiche spesso connesse all innesco di fenomeni di dissesto. RADAR Radar è acronimo di: radio detecting and ranging. Il principio di funzionamento di tutti i sistemi radar è il seguente: un apparecchio trasmittente illumina lo spazio circostante con un onda elettromagnetica che incide su eventuali oggetti, subendo un fenomeno di riflessione disordinata (diffusione, scattering). Una parte del campo diffuso torna verso la sorgente, equipaggiata anche per la ricezione, dove vengono misurate le sue caratteristiche. Il dispositivo è in grado di individuare il bersaglio elettromagnetico (detecting) e, misurando il ritardo temporale tra l istante di trasmissione e quello di ricezione, valutare la distanza (ranging) a cui è posizionato, lungo la direzione di puntamento dell antenna (direzione di range). La direttività dell antenna, utilizzata per trasmettere e ricevere il segnale radar, e cioè la selettività nell illuminazione dello spazio circostante, consente di localizzare l oggetto anche lungo l altra dimensione (detta di azimuth). Quanto più grande è l antenna, tanto più stretta è la sua impronta e, di conseguenza, tanto meglio viene localizzato il bersaglio. Tuttavia ciò avviene a discapito dell area illuminata. Reti neurali Un tipo di statistica multivariata è quella basata sulle reti neurali. In letteratura sono riportati diversi esempi: MA- YORAZ et al., 1996; ALEOTTI & CHUWDHURY, 1999; FERNANDEZ-STEEGER, et al., 2002; ERMINI et al., Le reti neurali sono simili all analisi statistica in quanto sviluppate in molti casi su base statistica. Per questa ragione è molto difficile trovare una definizione largamente accettata che distingua fra reti neurali e analisi statistica. Le reti neurali sono basate su una struttura auto-organizzata che assomiglia a un sistema neurale biologico del cervello dei mammiferi. La maggior parte dei modelli sono composti da neuroni costantemente collegati fra di loro, i quali sono posizionati in differenti layers. Le reti neurali si diversificano sulla base del numero di layers e delle procedure di addestramento. La procedura consiste, inizialmente, nell attribuire in maniera casuale dei pesi alle connessione fra i neuroni e nello scegliere i parametri di input. L output calcolato è confrontato con il valore atteso ed è determinato l errore. La procedura procede in modo iterativo finché non è raggiunta la convergenza fra il valore calcolato e quello atteso. Durante questa fase, chiamata di learning è creata la funzione della rete neurale che sarà poi utilizzata nella fase di verifica e validazione. Reti neurali artificiali (A.N.N.) In generale le ANN sono applicate a problemi di classificazione e di regressione. Tipici problemi di classificazione sono ad esempio il riconoscimento dei diversi tipi di uso del suolo attraverso immagini da satellite oppure l'assegnazione di una classe di rischio assicurativo in base ad una serie di parametri ricavati da interviste alla popolazione. Nel caso di problemi di regressione si cerca invece di rivedere il valore di una variabile continua, come ad esempio il livello di piena di un fiume oppure la temperatura atmosferica. In questo contesto la definizione della suscettibilità di frana può essere vista come un problema di classificazione. In questo modo l'output della ANN può essere considerato come una specie di grado di appartenenza di ogni unità di terreno alla classe "frana". Il compilatore di reti neurali da noi utilizzato (Trajan Network Simulator, Trajan Software Ltd, 2001) è capace di costruire ed utilizzare diversi tipi di rete neurale adatti ai problemi di classificazione. La prima fase della applicazione di una rete neurale consiste nella fase di addestramento, la quale cambia in funzione del tipo di rete. Nella nostra applicazione i primi risultati sperimentali hanno mostrato che i migliori tipi di rete neurale trovati sono appartenenti alle categorie dei Multi Layer Perceptrons (MLP), delle Probabilistic Neural Networks (PNN), e delle Radial Basis Functions (RBF) (vedi BISHOP, 1995). La fase di addestramento rappresenta il centro della applicazione di una ANN ed il suo scopo è quello di stimare i pesi e le soglie di attivazione in modo tale da minimizzare gli errori tra valori osservati e valori calcolati. Per questa ragione una ANN deve essere addestrata con un certo numero di informazioni note che vanno così a costituire

49 Il servizio SLAM Pagina 49 la sua esperienza, in modo molto simile a quello che avviene nel nostro cervello. Per questo motivo addestrare una ANN per investigare dei processi naturali come le frane corrisponde a fornire alla rete stessa una serie di osservazioni sufficientemente ampia per riuscire a descrivere in modo esauriente la varianza interna del fenomeno fisico studiato. SAR Il radar ad apertura sintetica (SAR) é uno strumento costituito da un radar di tipo convenzionale montato su una piattaforma mobile (un aeroplano o un satellite). L'antenna del radar é puntata verso terra ortogonalmente alla direzione di moto della piattaforma con un angolo compreso tra 20 e 80 gradi rispetto alla direzione di Nadir (detto di off-nadir). I vantaggi del SAR rispetto ai consueti sistemi ottici sono legati alla capacità di operare di notte e in presenza di nuvole (ci sono aree della terra di cui non esistono immagini ottiche da satellite a causa della copertura nuvolosa perenne); ancora, il SAR può fornire immagini coerenti e cioè l'immagine contiene sia l'informazione d'intensitá (legata alla riflettivitá degli oggetti) che l'informazione di fase (legata alla distanza tra bersaglio e radar). Specifiche tecniche I satelliti, che oggi montano a bordo sensori SAR, seguono orbite eliosincrone, a una quota di circa 800 Km e lievemente inclinate rispetto ai meridiani. La stessa orbita nominale e, di conseguenza, le stesse scene al suolo vengono ripercorse a cadenza periodica (revisiting time). La direzione parallela all orbita è detta azimuth e coincide approssimativamente con la direzione Nord-Sud. La direzione della congiungente sensore-bersaglio (perpendicolare all orbita ed inclinata di un angolo q, off-nadir, rispetto alla verticale) è detta slant range (o più semplicemente range) oppure Line Of Sight (LOS). Le immagini radar si sviluppano pertanto lungo le direzioni di range e azimuth, dette usualmente coordinate SAR.

50 Pagina 50 Bibliografia ALEOTTI P., CHUWDHURY R. (1999)- Landslide hazard assessment: summary review and new perspectives. Bull. Eng. Geol. Env., 58, BAEZA C., COROMINAS J. (1996)- Assessment of shallow landslide susceptibility by means of statistical techniques. Proc. VII Int. Symp. On Landslides, Trondheim, Giugno 1996, 1: Bamler R. and P. Hartl, Synthetic Aperture Radar Interferometry, Inverse Problems, 14, R1-R54, BERNKNOPF RL, CAMPBELL R.H., BROOKSHIRE D.S., SHAPIRO CD (1988)- A probabilistic approach to landslide hazard mapping in Cincinnati Ohio, with application for economical evaluation. Bull. Of the Assoc. Engin. Geologists, 25, BIANCHI, F. & CATANI, F., Landscape dynamics risk management in Northern Apennines (ITALY). In: C.A. Brebbia & P. Zannetti (Editors), Development and Application of Computer Techniques to Environmental Studies. WIT Press, Southampton, chap.1, BISHOP, C. (1995)-. Neural Networks for pattern recognition. Oxford University Press. CARRARA A. (1983)-Multivariate methods for landslide hazard evaluation. Mathematical geology, 15, CARRARA A., CARDINALI M., DETTI R., GUZZETTI F., PASQUI V., REICHENBACK P. (1991)-GIS techniques and statistical models in evaluating landslide hazard. Earth surface processes and landforms, 16, CARRARA A., GUZZETTI F., CARDINALI M. (1992)- Uncertainty in assessment landslide hazard and risk. ITC Journal, , CHUNG, CH., F., FABBRI, A.G., VAN WESTERN, C.J. (1995). Multivariate regression analysis for landslide hazard zonation. In: Carrara A., Guzzetti F., (eds): Geographical information System in Assessing Natural Hazards, Kluwer Pub., Dordrecht, The Netherlands, CROZIER M. J. (1986)- Landslides: Causes, Consequences and Envirorment. Croom Helm, London, pp CUMER, A. (1994) - Il progetto CORINE Land Cover in Italia: un modello da seguire Documenti del Territorio Anno VIII N.28/29 giugno/dicembre DEL PRETE M., GIACCARI E. & TRISORIO-LIUZZI G. (1992) - Rischio da frane intermittenti a cinematica lenta nelle aree montuose e collinari urbanizzate della Basilicata. Pubb. n GNDCI. 84pp. ERMINI L., CATANI F., CASAGLI N. (2005)- Artificial neural networks applied to landslide hazard assessment. Geomorphology. FELL R. (1994) - Landslide risk assessment and acceptable risk. Canadian Geotechnical Journal, 31(2), FERNANDEZ-STEEGER T.M., ROHN J., CZURDA K. (2002)- Identification of landslide area with neural nets for hazard analysis. In Rybář, j. Stemnerk, j. Wagner, P. Landslides, Proc. Of the I ECL, Prague, Cz Rep., Giugno 2002, Balkema, Netherland, HEYMANN Y., STEENMANS C., CROISILLE G. & BOSSARD M. (1994) - CORINE land cover project - Technical guide. European Commission, Directorate General Environment, Nuclear Safety and Civil Protection, ECSC-EEC-EAEC, Brussels- Luxembourg, 136 pp. JADE S., SARKAR S.(1993)- Statistical model for slope stability classification. Engineering geology, 36, MAYORAZ F., CORNU T., VUILLET L. (1996)- Using neural netwoeks to predict slope movements. Proc. VII Int. Symp. Landslides, Tronfheim, Giugno 1996, 1: Rosen P., S. Hensley, I. Joughin, F. Li, S. Madsen, E. Rodriguez and R. Goldstein, Synthetic Aperture Radar Interferometry, Proceedings of the IEEE, 88(3), , SOETERS R., VAN WESTEN C.J. (1996)-Slope stability: recognition, analysis and zonation. In Turner AK, Shuster RL (eds) Landslidess: investigation and mitigation. Trasportation rsearch board- National research council, Special report 247, pp Strozzi T., A. Kääb and R. Frauenfelder, Detecting and quantifying mountain permafrost creep from in situ inventory, space-borne radar interferometry and airborne digital photogrammetry, Int. J. Remote Sensing, Vol. 25, No. 15, pp , Strozzi T., U. Wegmüller, L. Tosi, G. Bitelli and V. Spreckels, Land subsidence monitoring with differential SAR interferometry, Photogram. Eng. & Remote Sensing (PE&RS), 67(11), , 2001.

51 Il servizio SLAM Pagina 51 VARNES D.J. & IAEG Commission on landslides(1984)- Landslides hazard zonation- a review of principles and practise. UNESCO Paris. 63pp. Wegmüller U., C. Werner, T. Strozzi and A. Wiesmann, Multi-temporal interferometric point target analysis, Proceedings of the Multi-Temp 2003 conference, Ispra, Italy, July Werner C., U. Wegmüller, T. Strozzi and A. Wiesmann, Gamma SAR and interferometric processing software, Proceedings of the ERS-ENVISAT Symposium, Gothenburg, Sweden, October Werner, C., U. Wegmüller, T. Strozzi and A. Wiesmann, Interferometric point target analysis for deformation mapping, Proceedings of IGARSS 2003, Toulouse, France, July WIECZOREK G. F. (1996)- Landslides triggering mechanisms. In: Turner A. K. & Schuster R.L. (eds), Landslides: Investigation and Mitigation, Transportation Research Board, National Academy of Sciences, USA, Special Report 247, chapter 4, ZEZERE J.L. (2002)- Landslide susceptibility assessment considering landslide typology. A case study in the area north of Lisbon (Portugal). Natural hazard and earth system sciences, 2,

52 Il servizio SLAM Per informazioni visita il sito: o scrivi a: slam@planetek.it Paolo Manunta Planetek Italia s.r.l. Via Massua, BARI Tel Fax manunta@planetek.it Marc Paganini e Francesco Palazzo ESA European Space Agency Via Galileo Galilei Frascati (RM) Tel /682 Fax marc.paganini@esa.int francesco.plazzo@esa.int