LA SIMULAZIONE NUMERICA COME STRUMENTO DI PREVENZIONE DEL RISCHIO IDROGEOLOGICO GRADO

Transcript

1 Cara di pericolosià geologica per insabilià dei versani. Aspei meodologici. Il caso di Anrodoco (RI) Viorio Chiessi

2 L, acquisia la funzione propria di organo carografico dello Sao dal Servizio Geologico d Ialia in base alla legge 68/1960, rileva, aggiorna e pubblica la Cara Geologica d'ialia a varie scale. Nell ambio del Progeo CARG è saa previsa la realizzazione di carografia geoemaica sperimenale alla scala 1: Dego (Regione Piemone) Caselnuovo di Garfagnana (Regione Toscana) San Barolomeo in Galdo: cara della pericolosià per frane (Regione Puglia) La Marmolada: cara di pericolosià (Provincia di Bolzano, Provincia di Treno, Regione Veneo) Anrodoco

3 DEFINIZIONI J. Corominas e alii - Recommendaions for he quaniaive analysis of landslide risk - Bull Eng Geol Environ (2014) 73: Scala Meodologie

4

5 DATI DI BASE Invenario fenomeni franosi Liologia Accelerazione sismica DTM Pendenza Esposizione Curvaura Pluviomeria Uso del suolo Flow Accumulaion

6 Analisi Condizionale Unià a Condizioni Uniche P ( Y = 1 d, d, d, d, d ) = area in frana / area unià di mappa P rappresena la probabilià condizionaa di frana (Y=1) daa una cera combinazione dei faori predisponeni all inerno dell unià di mappa (d 1 d 2 d 3 d 4 d 5 ) UCU χ2 ID Codice UCU N. di pixel oali N. di pixel in frana Indice di franosià V = Nmin( R 1, C 1) Variabile V di Cramer Liologia DTM Pendenza Uso del suolo Esposizione Flow accumulaion Acc. sismica Curvaura Pluviomeria 0.005

7 Logisica eveni rari King and Zeng, 2001; Van Den Eeckhau e al., 2006; Van Den Eeckhau e al., 2009 Modella la relazione ra variabili che possono essere dicoomiche caegoriali o coninue Si uilizza con una variabile risposa dicoomica Non è necessario la normalià dei dai La sima di Y esprime la probabilià che la variabile risposa sia pari a 1 dao l insieme dei prediori Correivi applicai Campionameno non random Correivo del logi Correzione probabilià 1 τ y α = ˆ α ln τ 1 y P ( Y = 1 x, K, x ) = ~ 1 k p i + C i Sima (β) Errore Sd. z value Pr(> z ) Inercea (α) <0.01 Esposizione_ <0.01 Esposizione_ <0.01 Esposizione_ <0.01 Uso_suolo_ <0.01 Uso_suolo_ <0.01 Uso_suolo_ <0.01 Uso_suolo_ Uso_suolo_ DTM_ <0.01 DTM_ <0.01 DTM_ <0.01 DTM_ <0.01 DTM_ <0.01 Pendenza_ <0.01 Pendenza_ <0.01 Pendenza_ <0.01 Pendenza_ <0.01 Pendenza_ <0.01 Pendenza_ <0.01 Liologia_ <0.01 Liologia_ <0.01 Liologia_ <0.01 Liologia_ <0.01 Liologia_ <0.01 Liologia_ <0.01 Liologia_ <0.01

8 Jenks Naural Breaklines Permee di individuare le soglie criiche di separazione ra classi. Si effeua dopo avere imposao il numero di classi minimizzando la varianza inerna e massimizzando quella ra classi q/rα Meodi di classificazione Chung & Fabbri Raio of effeciveness Viene cosrua la curva success/predicion ed uilizzando il raio of effeciveness q/rα. q è l area in frana relaiva ad una classe iesima, l area in sudio oale, r è l area della classe iesima e a l'area in frana oale. Per essere significaivo deve essere superiore a 3 o inferiore a 0.2

9 Modello condizionale UCU

10 Modello logisico

11 Valuazione e validazione Success/Predicion Curve ROC

12 Confrono ra modelli Modello Condizionale Classi Jenks & Caspall Modello Condizionale Classi Chung & Fabbri Modello Logisico Classi Jenks & Caspall Modello Logisico Classi Chung & Fabbri N. di pixel oali (%) N. di pixel in frana (%) N. di pixel oali (%) N. di pixel in frana (%) N. di pixel oali (%) N. di pixel in frana (%) N. di pixel oali (%) N. di pixel in frana (%) 1a 1b 2a 2b 3a 3b 4a 4b Susceibilià Bassa Medio - Bassa Medio - Ala Ala

13 Alberi decisionali (Classificaion and Regression Tree) L'albero è un grafo orienao genericamene verso il basso. Gli elemeni che lo compongono si chiamo radice(roo), nodi(nodes). La radice (roo) è il primo elemeno dell'albero da cui ci si può sposare verso dei nodi figli (child node), che a loro vola porebbero avere alri figli, fino ad arrivare alla pare erminale dell'albero comunemene deo foglia (leaf node). Quesa sruura dai, ogni vola che viene analizzaa pare sempre dalla radice per arrivare fino alle foglie. Definizione della migliore suddivisionel enropia di Shannon: Crierio di arreso Pruning m I = p E J = 1 j log( p j )

14 Regola numero: 29 [FRANA = 1 cover = (7%) prob = 0.68] LITOLOGIA: modalià 4 (Calcari marnosi), 5 (Marne e marne argillose) e 8 (Dolomie); ESPOSIZIONE: modalià 2 ( gradi) e 3 ( gradi) ovvero esposizione a sud del versane: PENDENZA: ue le modalià ranne la prima (0-5 gradi).

15

16 Meodi deerminisici Pendio infinio condizioni sazionarie c+ Fs= ( γ h γ h ) cos 2 w w β gϕ γ h sinβ cosβ Caraerisiche opografiche DTM Caraerisiche geoecniche Tes laboraorio Alezza waer able Modello infilrazione

17

18 Infilrazione criica Shalsab h q a = z T bsin θ

19 Pendio infinio condizioni ransiorie TRIGRS ( ) β β γ φ γ ϕ β φ cos sin an, an an Z Z c Fs s w + = [ ] ( ) ( ) [ ] ( ) [ ] ( ) ( ) [ ] ( ) [ ] = = + = N n n n n Z nz N n n n n Z nz D Z ierfc D H K I D Z ierfc D H K I d Z z ), ϕ( β

20

21 Valuazione risulai Deerminisico MODELLO Yule s Q Cohen s K STAZIONARIO (FS=1) 0,56 0,020 TRANSITORIO (FS=1) 0,70 0,021 AFFLUSSO CRITICO (AC=5) 0,42 0,016 AFFLUSSO CRITICO (AC=100) 0,36 0,006

22 Frane di crollo Traieografia

23